科研之友
微信
新浪微博
Facebook
分享链接
摘要
在移动边缘计算(Mobile edge computing， MEC)系统中引入多输入多输出(Multi-input and multi-output， MIMO)技术与数据压缩技术，能够降低数据冗余度和提高数据传输速率，从而降低任务的执行时延与能耗。针对具备数据压缩功能的多用户MIMO-MEC网络，该文研究了多用户任务卸载问题。通过联合优化任务卸载比例、数据压缩比例、发送功率、计算频率和信道带宽，来最小化系统总时延。首先，在能耗、功率、带宽等约束条件下，将任务卸载归纳为一个非凸优化问题。接下来，由于能耗约束较为复杂，该文构造罚函数将其归并，从而得到一个相对简单的等价问题。然后，将所有优化变量视为一个粒子，基于自适应粒子群(Adaptive particle swarm algorithm， APSO)框架提出多用户的任务卸载方法。由于粒子更新时可能违反约束条件，提出的方法对粒子越界的情形进行了特别处理。该方法能自适应地调整惯性权重来提高寻优能力和收敛性， 通过不断迭代最终获得最优或者次优解。仿真实验评估了所提卸载方法的性能，分析了用户数、任务计算强度等参数对系统性能的影响。结果表明，提出的方法优于本地计算、传统粒子群等对比方案，能够有效地降低系统的任务执行时延。
- 单位
