移动边缘计算中数据缓存和计算迁移的智能优化技术

汪海霞 赵志峰 张宏纲

摘要：针对移动边缘计算（MEC），设计了计算迁移和数据缓存的联合优化模型，并基于改进的遗传算法（GA）对该模型的时延优化特性进行了优化。仿真表明：提出的方案比传统方案更能有效地降低用户请求的时延，对移动边缘网络的部署和应用具有一定的参考意义。

关键词： 移动边缘计算；计算迁移；数据缓存；遗传算法

Abstract： In this paper， a combined optimization model for computing migration and data caching is designed. Particularly， an improved genetic algorithm （GA） is put forward to analyze the time delay optimization of the proposed model， which surely has certain significant values to the deployment and applications of mobile edge network.

Key words： mobile edge computing； computation offloading； data caching； genetic algorithm

随着移动互联网和物联网（IoT）的快速发展以及各种新型业务（如虚拟现实（VR）、增强现实（AR）和视频会议等）的不断涌现[1]，用户对网络服务质量（QoS）的要求越来越高。因此，为了有效解决移动互联网发展带来的高负荷、低时延等要求的挑战，移动边缘计算（MEC）概念得以提出，并得到了学术界和产业界的广泛支持，被认为是下一代网络的关键技术之一[2-6]。

通过将相关的计算任务和请求数据迁移到近端（本地）MEC服务器上，可以减少网络设备能耗和传输时延，并大大提高用户体验。一般来说，计算迁移的关键技术就是充分利用MEC的优点（比如：缩短执行时延，降低能耗等），为此业务卸载过程决定合适的决策过程。文献[7]的工作表明：将MEC与云计算相结合可以减少迁移任务的相关时延。文献[8]中，作者认为可以通过最小化任务的执行时延来实现最佳的迁移决策。在文献[9]中，作者提出了一种通过最小化能耗来进行决策的方法，其中优化问题被表述为一定约束条件下的马尔可夫决策过程（MDP）。此外，文献[10]和[11]分别分析了移动终端的能量消耗与多用户系统的相关时延间的关系。……