移动边缘计算卸载服务中资源管理关键问题研究

Mobile-edge computation offloading taking the advantages of server computation offloading, D2D computation offloading as well as the emerging 5G network architectures, is a novel paradigm to augment the resources of mobile devices and promote the developments of mobile applications. In this paradigm, many resource management issues are tied up and jointly affect the service of quality (QoS) and operation expense (OPEX), which leads to a very challenging policy design for efficient resource management. To this end, this project researches on the key issues of resource management step by step, and aims at providing a comprehensive and efficient resource management policy. Specifically, it first considers the joint decision problem in terms of task offloading, device association and device-to-device matching, aiming at designing an optimal joint decision algorithm to improve the QoS. On this basis, it studies the resource allocation problem for the mobile edge servers, aiming at extending the proposed joint decision algorithm and designing an optimal resource allocation policy to improve the QoS and decrease the OPEX. Finally, it focuses on the power allocation problem for the base stations, aiming at consummating the proposed algorithms above and designing an optimal power allocation algorithm to form a comprehensive and efficient resource management policy so as to achieve the goal of the QoS improvement and the OPEX of edge servers and base stations reduction. The proposed algorithms are evaluated by both simulations and emulations.

移动边缘计算卸载服务，结合了服务器计算卸载、设备间计算卸载以及5G新型网络架构的优势，为扩展移动设备资源、促进移动应用的发展提供了有效的途径。在该服务中多种资源管理问题相互耦合，共同决定着服务质量和运营成本，给高效资源管理策略的设计带来了很大挑战。为此，本项目采用循序渐进的研究方式，首先讨论任务卸载、设备关联和设备配对协同决策问题，研究如何设计最优协同决策算法，以提高服务质量。其次引入服务器资源分配问题，研究如何扩展最优协同决策算法，并设计最优服务器资源分配策略，以提高服务质量、降低服务器运营成本。最后研究基站传输功率调节问题，建立它与上述资源管理问题之间的联系，完善前面提出的优化算法，设计高效的基站传输功率调节算法，并以此形成一个完整且高效的资源管理策略，实现提高服务质量、降低服务器和基站运营成本的目标。本项目将采用模拟程序和仿真系统相结合的实验方式对所设计的算法进行性能评测。

针对资源有限的移动设备制约新兴移动应用发展这一现状，移动边缘计算卸载服务作为一种很有前景的软件解决方案，得到了工业界和学术界的广泛关注。由于计算卸载涉及资源多样性、耦合性、异构性以及动态性，这给设备、基础设施以及边缘云的资源管理带来了诸多挑战。本课题针对这些挑战，研究高效的移动边缘计算卸载服务资源管理策略。..本项目主要完成了三部分研究内容：第一部分，重点研究了任务卸载、设备-基站关联协同决策问题，对资源调度与服务性能和系统能耗之间的关系进行建模和理论分析，提出的资源调度算法可以在满足服务质量的前提下，降低终端设备30%的能耗。第二部分，重点研究了任务卸载、设备配对协同决策问题，提出了边缘混合计算架构，设计了在线近似最优资源调度算法。第三部分，重点研究了边缘云资源协同分配问题，提出了高效的在线资源部署和迁移策略，并将相关思想应用到分布式机器学习和视频传输资源管理等场景。..本项目在边缘计算卸载服务资源管理方面取得了多项世界先进的研究成果，发表IEEE JSAC、IEEE IoTJ、IEEE SECON、IEEE ICC、计算机研究与发展等10余篇著名期刊会议论文，获得国内外相关领域专家多次引用。项目培养了1名博士生、4名硕士生。同时获得了天津市自然科学基金、天津市青年人才托举工程等支持，促进了诸如云游戏、辅助驾驶等计算密集型移动应用开发和研究的发展。