边缘计算
边缘计算使得服务调用所需的数据、数据处理和应用程序可以部署在网络边缘设备中,边缘服务器可以直接与用户进行业务交互并对相关数据进行处理。边缘计算能产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。本虚拟专题遴选了《计算机科学》近年报道的边缘计算方面的相关优质文章，欢迎广大学者下载阅读。
1
文 章 阅 读
移动边缘计算中基于Stackelberg模型的分布式定价与计算卸载
陈序展，林兵，陈星
福州大学计算机与大数据学院
福建省网络计算与智能信息处理重点实验室
福建师范大学物理与能源学院
摘要： 移动边缘计算(Mobile Edge Computing,MEC)作为一种新颖的计算范式,通过将计算任务从移动设备卸载到物理上临近的网络边缘,为移动设备提供低延迟和灵活的计算与通信服务。然而,由于边缘服务器和移动设备通常属于不同的主体,它们之间的利益冲突给MEC系统带来了很大的挑战。因此,为多边缘服务器多移动设备的MEC系统设计一种定价和计算卸载方案,最大化边缘服务器的效用并优化移动设备的体验质量至关重要。考虑到多边缘服务器多移动设备之间复杂的相互作用,采用多领导者多追随者Stackelberg模型来分析它们之间的相互作用。其中,边缘服务器作为领导者为其计算资源设定价格,移动设备作为追随者根据边缘服务器的定价来调整卸载策略。在Stackelberg模型的基础上,提出了一种基于次梯度法的分布式迭代算法,该算法可以有效收敛到Stackelberg均衡。仿真实验结果表明,所提方案能够在提高边缘服务器效用的同时保证移动设备的体验质量。
引用：陈序展, 林兵, 陈星. 移动边缘计算中基于Stackelberg模型的分布式定价与计算卸载[J]. 计算机科学, 2023, 50(7): 278-285.
扫码阅读全文
基于深度强化学习和无线充电技术的D2D-MEC网络边缘卸载框架
张乃心，陈霄睿，李安，杨乐瑶，吴华明
天津大学数学学院
天津大学应用数学中心
摘要： 物联网设备中大量未被充分利用的计算资源,正是移动边缘计算所需要的。一种基于设备对设备通信技术和无线充电技术的边缘卸载框架,可以最大化利用闲置物联网设备的计算资源,提升用户体验。在此基础上,可以建立物联网设备的D2D-MEC网络模型。在该模型中,主设备根据当前环境信息和估计的设备状态信息,选择向多个边缘设备卸载不同数量的任务,并应用无线充电技术提升传输的成功率和计算的稳定性。运用强化学习方法解决任务分配和资源分配的联合优化问题,也就是最小化计算延迟、能量消耗和任务丢弃损失,最大化边缘设备利用率和任务卸载比例的优化问题。除此之外,为了适应状态空间更大的情况,提高学习速度,提出了一种基于深度强化学习的卸载方案。基于以上理论和模型,使用数学推导计算出了D2D-MEC系统的最优解及性能上限。仿真实验证明了D2D-MEC卸载模型及其卸载策略的综合性能更好,更能充分利用物联网设备的计算资源。
引用：张乃心, 陈霄睿, 李安, 杨乐瑶, 吴华明. 基于深度强化学习和无线充电技术的D2D-MEC网络边缘卸载框架[J]. 计算机科学, 2023, 50(8): 233-242.
扫码阅读全文
6G重叠区域中基于博弈论的任务卸载策略
高丽雪，陈昕，殷波
北京信息科技大学计算机学院
摘要：为实现6G网络基站服务范围重叠区域内复杂任务的高效计算,对重叠区域的任务卸载问题展开研究。在综合考虑任务时延约束、系统能耗、社会效应以及经济激励的基础上,构建多基站多物联网设备的多接入边缘计算网络模型,联合优化基站定价策略、物联网设备基站选择策略和任务卸载策略,实现基站利润和物联网设备效用的最大化。为解决重叠区域中物联网设备基站选择的问题,构建了多对一匹配博弈模型,提出基于交换匹配的基站选择算法优化物联网设备的基站选择策略。引入斯坦伯格博弈理论建立基站与物联网设备间定价和任务卸载交互的两阶段博弈模型,通过反向归纳法证明斯坦伯格均衡的存在性和唯一性。提出了基于博弈论的最优价格最佳响应算法(Optimal pricing and Best response algorithm based on Game Theory,OBGT),以获得基站和物联网设备的均衡策略。仿真实验和对比实验表明,OBGT算法可以在短时间内达到收敛,有效提高基站利润和物联网设备效用。
引用：高丽雪, 陈昕, 殷波. 6G重叠区域中基于博弈论的任务卸载策略[J]. 计算机科学, 2023, 50(5): 302-312.
扫码阅读全文
空-天-地一体化移动边缘计算系统的部署优化和计算卸载
郑鸿强，张建山，陈星
福州大学数学与计算机科学学院
福建省网络计算与智能信息处理重点实验室
摘要： 空-天-地一体化的通信技术作为一种新兴的架构,能够有效提高地面终端的网络服务质量,近年来引起了广泛关注。文中研究了一种空-天-地一体化的移动边缘计算系统,其中多台无人机为地面设备提供低延迟的边缘计算服务,近地轨道卫星为地面设备提供无处不在的云计算服务。由于无人机的部署位置和计算任务的卸载方案是影响系统性能的关键因素,因此需要对无人机的部署位置、地面设备与无人机之间的连接关系以及计算任务的卸载比例进行联合优化,实现系统内系统平均任务响应时延最小化。并且,由于形式化定义的联合优化问题是一个混合非线性规划问题,因此设计了一种双层优化算法,在该算法的上层,提出了一种结合了遗传算法算子的粒子群优化算法来优化无人机的部署位置,并在算法的下层采用贪心算法来实现对计算任务卸载方案的优化。大量的数值仿真实验验证了所提算法的可行性和有效性。结果表明,与其他基准算法相比,所提算法能有效降低系统的任务平均响应时延。
引用：郑鸿强, 张建山, 陈星. 空-天-地一体化移动边缘计算系统的部署优化和计算卸载[J]. 计算机科学, 2023, 50(2): 69-79.
扫码阅读全文
一种基于博弈论的移动边缘计算资源分配策略
陈祎鹏，杨哲，谷飞，赵雷
苏州大学计算机科学与技术学院
江苏省计算机信息处理技术重点实验室
江苏省大数据智能工程实验室
摘要： 现有的对移动边缘计算资源分配策略问题的研究,较多的是针对时延和能耗因素进行优化,考虑边缘服务器的收益问题的相对较少,而在考虑边缘服务器收益时,许多研究忽略了对任务完成时延的优化。因此,提出了一种基于博弈论的双向更新策略(TUSGT)。TUSGT在边缘服务器侧将其之间的任务竞争关系转化为一个非合作博弈问题,采用基于势博弈的联合优化策略,允许边缘服务器以最大化其自身收益为目的来确定任务选择偏好。在移动设备侧使用在线学习中的EWA算法进行参数更新,从全局角度影响边缘服务器的任务选择偏好,提高总体任务完成率。仿真实验结果表明,TUSGT与BGTA、MILP、贪婪策略、随机策略、理想策略相比,任务完成率最多提高30%,边缘服务器平均收益最多提高65%。
引用：陈祎鹏, 杨哲, 谷飞, 赵雷. 一种基于博弈论的移动边缘计算资源分配策略[J]. 计算机科学, 2023, 50(2): 32-41.
扫码阅读全文
VEC中基于动态定价的车辆协同计算卸载方案
孙慧婷，范艳芳，马孟晓，陈若愚，蔡英
北京信息科技大学计算机学院
摘要： 车载边缘计算(Vehicular Edge Computing,VEC)是移动边缘计算(Mobile Edge Computing,MEC)在车联网中的一个重要应用。在VEC中,请求服务的车辆可以通过付费的方式,将计算任务卸载到VEC服务器或者空闲计算资源丰富的服务车辆上,从而满足车辆任务对计算服务的需求。然而,对于VEC运营商来说,收益最大化是其追求的目标之一。由于系统中的计算需求和计算资源是动态变化的,因此如何在车辆协同场景下确定一个合理的定价策略是一个不容忽视的问题。针对该问题制定了一个动态定价策略,使VEC服务器和服务车辆的价格随着计算资源的供需关系而动态调整。基于此,设计了运营商收益最大化的车辆协同计算卸载方案,通过将时延约束下的VEC运营商收益最大化问题转化为多用户匹配问题,使用Kuhn-Munkres(KM)算法求得卸载结果。仿真实验表明,相比已有定价策略,该动态定价策略下VEC服务器和服务车辆的价格均可以根据计算资源供需关系动态调整,从而实现运营商收益最大化;相比已有卸载方案,该方案可以在满足任务时延约束的前提下提高运营商的收益。
引用：孙慧婷, 范艳芳, 马孟晓, 陈若愚, 蔡英. VEC中基于动态定价的车辆协同计算卸载方案[J]. 计算机科学, 2022, 49(9): 242-248.
扫码阅读全文
基于边缘智能的频谱地图构建与分发方法
刘兴光，周力，刘琰，张晓瀛，谭翔，魏急波
国防科技大学电子科学学院
摘要： 频谱地图可协助认知用户准确感知和利用频谱空洞,实现网络节点间的干扰协调,提升无线网络的频谱效率和鲁棒性。然而,当认知用户在利用和共享频谱地图时,面临着计算复杂度高和分发时延开销大的问题,限制了认知用户对空间频谱态势的实时感知能力。为了解决该问题,提出了一种边缘智能网络中基于强化学习的频谱地图构建与分发方法。首先,在频谱地图构建上,采用了一种克里金插值和超分辨率相结合的低复杂度构建技术;其次,通过引入边缘计算,将频谱地图构建与分发过程中的计算迁移策略选择问题建模为一个混合整数非线性规划问题;最后,将人工智能和边缘计算相结合,采用了一种集中式训练、分布式执行的强化学习框架,对不同网络场景下的频谱地图构建和分发策略进行学习。实验结果表明,所提方法具备良好的适应性,可有效降低频谱地图构建与分发的能耗和时延,支持认知用户在移动边缘网络场景下对频谱地图的近实时级应用。
引用：刘兴光, 周力, 刘琰, 张晓瀛, 谭翔, 魏急波. 基于边缘智能的频谱地图构建与分发方法[J]. 计算机科学, 2022, 49(9): 236-241.
扫码阅读全文
边缘计算中面向数据流的实时任务调度算法
张翀宇，陈彦明，李炜
安徽大学计算机科学与技术学院
摘要： 近年来,随着物联网(Internet of Things,IoT)技术的发展,其应用场景呈爆炸式增长,这类应用一般具有时延敏感性和资源受限性。如何在有限的资源环境下实现任务的实时分配是当前的一个研究热点,而将这些有限的计算资源动态分配给实时任务,一般来说是一个NP-hard的组合优化问题。为解决此问题,设计了一种基于李雅普诺夫优化的实时调度算法,在保持虚拟队列稳定的情况下优化长期平均总能耗和总效用。首先在计算资源和通信资源约束下建立联合总能耗和加权总效用的优化模型,该模型包含两层虚拟缓冲队列,通过端到端(Device-to-Device,D2D)的调度方式进行任务卸载;然后基于李雅普诺夫优化,将长期平均总能耗和总效用的联合优化问题转化为一系列实时优化问题,为此还设计了一种基于贪心的设备匹配算法。数值实验的结果显示,该算法的效果比随机法所能达到的最好情况提升了8.6%,并且在不同连接概率下其效果逼近穷举法。
引用：张翀宇, 陈彦明, 李炜. 边缘计算中面向数据流的实时任务调度算法[J]. 计算机科学, 2022, 49(7): 263-270.
扫码阅读全文
