移动边缘计算的缓存任务卸载策略优化

"移动边缘计算中带有缓存机制的任务卸载策略1" 移动边缘计算（Mobile Edge Computing, MEC）是一种新兴的计算模式，它将云计算的能力延伸到移动网络的边缘，靠近用户设备，以减少延迟并提升服务质量。在本文中，作者郭煜探讨了一种在MEC环境中结合缓存机制的任务卸载策略，旨在满足延时敏感型应用的执行需求，同时优化移动设备的能耗。 传统的任务卸载策略通常只关注如何将计算任务从移动设备转移到边缘云，以减轻本地计算负担。然而，郭煜提出的策略更进一步，它考虑了任务的缓存功能。通过在边缘云上缓存已完成的重复请求任务及其相关数据，可以显著降低后续相同任务的卸载延迟。这种方法不仅减轻了移动设备的计算压力，还减少了网络传输的数据量，从而降低了整体能耗。 文章中，作者将任务卸载与缓存的优化问题分解为两个子问题：任务卸载子问题和任务缓存子问题。前者被证明可以转化为一个关于决策变量的凸优化问题，而后者则转化为0-1整数规划问题。针对这两个子问题，作者分别采用了内点法（Interior-point method）和分支限界法（Branch and Bound method）进行求解，以找到在满足截止时间约束下的能耗最优卸载决策。 通过仿真算例，该策略展示了在动态异构任务执行环境中的能效优势。仿真结果表明，与仅考虑计算卸载的策略相比，这种融合缓存的策略在减少延迟、节省能源以及提高系统效率方面具有明显优势。关键词包括移动边缘计算、任务缓存、任务卸载、能耗、整数规划，这些关键词揭示了研究的核心内容和技术方法。 这篇研究为移动边缘计算环境中的任务处理提供了新的思路，通过引入缓存机制，能够更有效地处理延迟敏感的应用，并且优化了设备的能耗，对于未来移动计算的发展具有重要的理论与实践意义。