Keskeiset käsitteet
Ein zweistufiger Optimierungsansatz zur Maximierung der Systemleistung durch optimale Ressourcenallokation, Aufgabenoffload und Trajektoriensteuerung in UAV-unterstützten MEC-Systemen.
Tiivistelmä
Der Artikel präsentiert einen zweistufigen Optimierungsansatz für UAV-unterstützte Mobile Edge Computing (MEC) Systeme. Auf der kurzen Zeitskala wird ein Preisanreizmodell für die bedarfsgesteuerte Ressourcenallokation und ein Matching-Mechanismus-basierter Ansatz für den Aufgabenoffload entwickelt. Auf der langen Zeitskala wird eine konvexe Optimierung für die Trajektoriensteuerung der UAVs verwendet.
Der Ansatz adressiert die folgenden Herausforderungen in UAV-unterstützten MEC-Systemen:
- Nachfrage-Angebot-Widerspruch bei der Ressourcenallokation
- Nachfrage-Angebot-Heterogenität beim Aufgabenoffload
- Energieeffiziente und echtzeitfähige Trajektoriensteuerung der UAVs
- Unterschiedliche Zeitskalen der Netzwerkdynamik
Der vorgeschlagene Algorithmus TJCCT wurde theoretisch analysiert und in Simulationen evaluiert. Die Ergebnisse zeigen, dass TJCCT die Systemleistung, die Nutzerqualität und die Einnahmen der MEC-Server im Vergleich zu anderen Ansätzen verbessert.
Tilastot
Die Verzögerung für die lokale Ausführung einer Aufgabe Kt
i auf MD i beträgt Dt
i,i = µt
i/f t
i.
Die Energiekosten für die lokale Ausführung der Aufgabe Kt
i auf MD i betragen Et
i,i = γi(f t
i)2µt
i.
Die Verzögerung für das Offloading der Aufgabe Kt
i von MD i zum MEC-Server j beträgt Dt
i,j = lt
i/rt
i,j + µt
i/f t
j,i.
Die Energiekosten für das Offloading der Aufgabe Kt
i von MD i zum MEC-Server j betragen Et
i,j = P t
i lt
i/rt
i,j.
Die Energiekosten für die Ausführung der Aufgabe Kt
i auf dem terrestrischen MEC-Server j betragen Et,comp
j,i
= γj(f t
j,i)2µt
i.
Die Energiekosten für die Ausführung der Aufgabe Kt
i auf dem UAV-basierten MEC-Server j betragen Et
j,i = γj(f t
j,i)2µt
i + Ep
j.
Lainaukset
"UAV-unterstütztes Mobile Edge Computing (MEC) ist ein vielversprechendes Paradigma, um Aerial-Terrestrische Rechenleistung in der Nähe mobiler Geräte bereitzustellen."
"Die Erfüllung der rechenintensiven und verzögerungssensitiven Aufgaben mobiler Geräte stellt mehrere Herausforderungen dar, darunter den Nachfrage-Angebot-Widerspruch zwischen mobilen Geräten und MEC-Servern, die Nachfrage-Angebot-Heterogenität zwischen mobilen Geräten und MEC-Servern, die Anforderungen an die Trajektoriensteuerung hinsichtlich Energieeffizienz und Rechtzeitigkeit sowie die unterschiedlichen Zeitskalen der Netzwerkdynamik."