面向移动边缘计算的任务迁移及其资源分配联合优化算法和决策机制研究

Mobile Edge Computing (MEC) is one of the most important techniques in 5G, and the key issue in MEC is task offloading. Since resource allocation is necessary for task offloading to transmit and process offloaded data, this project focuses on the joint optimal algorithm and strategy mechanism for task offloading and resource allocation. First, understanding the relationship and interaction between multi-objective task offloading and various resources allocation, formulate the joint optimization model for task offloading and resource allocation considering multi-user scenario, random movement, business diversification and resource limitation. Based on the optimization model, study a suitable approach to decompose the original optimization problem to reduce the complexity. Finally, according to theoretical results, in order to effectively assign task and allocate resource, design the joint optimal algorithm and strategy mechanism for task offloading and resource allocation in MEC. This project aims to study the model and approach for task offloading and resource allocation, which would provide some valuable theoretical foundation and effective solution for MEC in the future 5G mobile communication networks of our country.

移动边缘计算是第五代（5G）移动通信的重要技术之一，任务迁移又是其中的核心问题。考虑任务迁移需要合理的资源分配用于传输处理数据，本项目计划研究移动边缘计算环境中，联合任务迁移和资源分配的优化算法与决策机制。首先，理解不同目标下的任务迁移和多维度资源分配之间的内在联系和相互影响，考虑用户数目多、移动随机性强、业务种类多样且资源受限等因素，建立任务迁移及其资源分配的联合优化数学模型。在此基础上，寻找合理的优化问题分解思路，降低最优化复杂度。最后，以理论模型为指导，设计面向移动边缘计算实际应用场景下的优化算法与决策机制，从而进行合理高效的任务迁移和资源分配。本项目旨在探索移动边缘计算中的任务迁移和资源分配联合优化与决策机理，为我国5G移动通信边缘计算提供基础理论和技术支撑。

基于边缘计算的无线网络具有高谱效低时延等优点，然而用户数目多、移动随机性强、业务种类多样且资源受限，这使得任务迁移和资源分配的联合优化问题愈加复杂。同时，由于计算下沉和分布式特征，数据安全和隐私问题也是不容忽视的挑战。为应对上述挑战，本项目旨在解决MEC任务迁移及其资源分配优化问题，并对分布式边缘网络存在的共识运作方式、恶意行为模式，安全边界等提出了理论和技术方案。首先通过深入分析多维资源之间的相互关系及其联合分配和对任务迁移决策的影响，对任务迁移中各种限制条件的物理意义抽象诠释，合理构造目标函数，优化问题数学建模。在此基础上，针对实际MEC环境，制定迁移决策，联合资源分配，快速有效的搜索针对不同目标和限制条件下的最优解，从而解决MEC中用户移动、业务多样、网络时变以及资源受限所导致的任务迁移目标选择、业务分发、资源分配、共识机制等一系列优化问题。最后，构建边缘计算无线网络的区块链共识理论，揭示区块链在边缘计算无线网络中的共识运作过程、审视共识达成的网络规模和资源需求关系。具体包括五个方面的研究：1)面向MEC的任务迁移及其资源分配理论模型；2)面向MEC中业务随机的动态自适应策略；3)面向MEC中链接不确定环境下的分布式激励机制；4) 面向MEC中负载再平衡的资源动态调整策略；5)共识算法在边缘计算无线网络中的分析方法和联合部署。近三年在本项目的支持下在IEEE Transactions on Mobile Computing， IEEE Communications Magazine, IEEE/ACM Transactions on Networking, ICC等国内外著名学术期刊和会议共发表论文21篇，其中SCI收录论文15篇，EI收录论文19篇，授权发明专利3项。培养研究生9人，其中博士生2人。部分研究工作已引起国内外同行关注，并入选ESI高被引。本项目旨在探索移动边缘计算中的任务迁移和资源分配联合优化与决策机理，为我国5G移动通信边缘计算提供基础理论和技术支撑。