移动边缘计算中能耗优化的多重资源计算卸载策略

doi:10.13196/j.cims.2019.04.018

计算机集成制造系统 ›› 2019, Vol. 25 ›› Issue (第4): 954-961.DOI: 10.13196/j.cims.2019.04.018

移动边缘计算中能耗优化的多重资源计算卸载策略

徐佳¹,李学俊¹,丁瑞苗¹,刘晓²

1.安徽大学计算机科学与技术学院
2.迪肯大学信息技术学院

出版日期:2019-04-30 发布日期:2019-04-30
基金资助:
国家自然科学基金资助项目(61672034,61300042);安徽省自然科学基金资助项目(1708085MF160)。

Energy efficient multi-resource computation offloading strategy in mobile edge computing

Online:2019-04-30 Published:2019-04-30
Supported by:
Project supported by the National Natural Science Foundation,China(No.61672034,61300042),and the Natural Science Foundation of Anhui Province,China(No.1708085MF160).

摘要/Abstract

摘要： 移动边缘计算环境中边缘设备的能耗优化主要采用计算卸载策略。然而目前常用的计算卸载策略大多只考虑单一的计算资源,没有对移动边缘计算环境中不同种类的计算资源进行综合考虑,无法在保证响应时间约束的情况下充分降低边缘设备能耗。为了解决这一问题,在移动边缘计算环境中提出一种多重资源计算卸载能耗模型,设计了一种新的评价边缘设备能耗的适应度计算方法,并结合工作流管理系统提出了移动边缘计算中能耗优化的多重资源计算卸载粒子群任务调度算法,该算法能够在考虑响应时间约束的情况下,充分降低移动终端能耗。实验表明,与已有4种计算卸载策略相比,新策略所对应的任务调度算法收敛稳定、适应度最优,在用户响应时间约束下,任务调度方案的边缘设备能耗值优于其他4种卸载策略。

关键词: 移动边缘计算, 工作流调度, 能耗优化, 计算卸载, 多重资源

Abstract: In the research on energy efficiency optimization of mobile edge computing,the computation offloading strategy of edge device is emphasis.However,the existing computation offloading strategy can only consider single computing resource and do not take into account the different type of computing resources in mobile edge computing,which cannot reduce the energy consumption of edge device with response time constraint.Therefore,a energy model of multi-resources computation offloading was proposed,and the fitness computation method of task scheduling plan was designed to evaluate the energy consumption of edge device.An energy efficient multi-resource computation offloading strategy task scheduling algorithm was presented to solve the energy consumption optimization problem of edge device.Experimental results showed that the propose algorithm could always achieve stable convergence speed,the optimal fitness and low energy consumption of edge device with the constraint of response time.

Key words: mobile edge computing, workflow scheduling, energy efficient, computation offloading, multi-resource

中图分类号:

TP319

徐佳,李学俊,丁瑞苗,刘晓. 移动边缘计算中能耗优化的多重资源计算卸载策略[J]. 计算机集成制造系统, 2019, 25(第4): 954-961.

[1]	王誓伟,徐晓斌,梁中军. 基于城市计算的分布式异常数据分级过滤算法[J]. 计算机集成制造系统, 2021, 27(9): 2525-2531.
[2]	周博文,黄海军,徐怡,李学俊,高寒,陈天翔,刘晓,徐佳. 无人机配送系统中端边协同的并行任务调度算法[J]. 计算机集成制造系统, 2021, 27(9): 2575-2582.
[3]	袁友伟,黄锡恺,俞东进,李忠金. 移动边缘计算环境下服务工作流容错调度算法[J]. 计算机集成制造系统, 2021, 27(6): 1693-1702.
[4]	李万清,刘辉,李忠金,袁友伟. 移动边缘计算环境下面向安全和能耗感知的服务工作流调度方法[J]. 计算机集成制造系统, 2020, 26(7): 1831-1842.
[5]	高寒,李学俊,周博文,刘晓,徐佳. 移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略[J]. 计算机集成制造系统, 2020, 26(6): 1607-1615.
[6]	齐平,王福成,徐佳,李学俊. 移动边缘计算环境下基于信任模型的可靠多重计算卸载策略[J]. 计算机集成制造系统, 2020, 26(6): 1616-1627.
[7]	蔡宁,张则强,邹宾森,李六柯. 考虑能耗的多目标拆卸线平衡优化与层次分析法决策[J]. 计算机集成制造系统, 2019, 25(第1): 125-136.
[8]	陶耀东,徐伟,纪胜龙. 边缘计算安全综述与展望[J]. 计算机集成制造系统, 2019, 25(12): 3043-3051.
[9]	叶鑫,梁继伟,尹艳丽. 考虑信息安全因素的多目标云工作流调度[J]. 计算机集成制造系统, 2017, 23(第5期): 972-982.
[10]	曹斌,王小统,熊丽荣,范菁. 时间约束云工作流调度的粒子群搜索方法[J]. 计算机集成制造系统, 2016, 22(第2期): 372-380.
[11]	刘井响,杨雪峰,叶鑫. 基于批量处理策略的云工作流调度方法[J]. 计算机集成制造系统, 2015, 21(第2期): 336-343.
[12]	谭文安,路广振,孙勇. 基于并行分层的工作流调度优化算法[J]. 计算机集成制造系统, 2014, 20(5): 1070-.
[13]	王菁,韩燕波. 保护私有数据的云工作流调度方法[J]. 计算机集成制造系统, 2013, 19(08 ): 1859-1867.
[14]	薄洪光，张楠，刘晓冰，张浩. 基于消耗链的钢铁作业成本控制方法[J]. , 2010, 16(03): 0-0.

移动边缘计算中能耗优化的多重资源计算卸载策略

Energy efficient multi-resource computation offloading strategy in mobile edge computing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics