5G MEC系统融合粒子群和教学算法的卸载策略优化

作者：韩松岳; 郭基联^*

来源：无线电工程, 2022, 52(10): 1864-1878.

• 5G
• 移动边缘计算
• 智慧教室
• 教与学优化
• 粒子群优化
• 任务卸载优化

计算卸载是移动边缘计算(Mobile Edge Computing, MEC)的关键技术和功能实现的核心环节。为了改善5G智慧教室入网设备多、流量高并发引起时延与能耗增加的问题，进行了理论研究、场景构建和需求分析，并建立了系统和通信模型，提出了能耗约束下时延最优化问题；将教学算法和粒子群算法融合，提出了一种融合教学机制的自适应粒子群(Teach&Learn Adaptive Particle Swarm Optimization, TLAPSO)算法，并仿真验证了其性能提升和复杂度控制；进行了仿真对比实验，得出结论：5G架构下部署MEC系统能实现降时延、省带宽和高隔离等目标，基于TLAPSO的卸载策略优于基于模拟退火算法、粒子群算法和本地卸载的策略，在任务量和能耗容忍度实验中，分别优化提升了55.90%和54.02%。

• 单位
  中国人民解放军陆军工程大学; 空军工程大学