針對移動邊緣計算網(wǎng)絡(luò)中由于用戶位置動態(tài)變化而導(dǎo)致邊緣服務(wù)器間負(fù)載不均衡、用戶服務(wù)質(zhì)量降低的問題,提出了一種移動性感知的邊緣服務(wù)遷移算法。首先,以最小化用戶服務(wù)請求感知時延為目標(biāo),將優(yōu)化問題建模為混合整數(shù)非線性規(guī)劃問題。其次,基于Lyapunov優(yōu)化方法將時延優(yōu)化問題解耦為邊緣服務(wù)遷移子問題與無線接入子問題。再次,提出快速邊緣決策算法求解出給定無線接入策略情況下最優(yōu)的資源分配與邊緣服務(wù)遷移方案。最后,提出異步最佳響應(yīng)算法迭代出最優(yōu)無線接入策略。仿真結(jié)果表明,與現(xiàn)有服務(wù)遷移策略相比較,所提算法能夠在保證服務(wù)遷移成本穩(wěn)定的情況下降低用戶服務(wù)請求的感知時延。 

【文章來源】：通信學(xué)報. 2020,41(04)北大核心EICSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

系統(tǒng)模型

第4期吳大鵬等：移動性感知的邊緣服務(wù)遷移策略·9·之間的負(fù)載均衡，從而降低用戶的平均感知時延。此外，分別統(tǒng)計不同用戶數(shù)量情況下，所提AORAM相對于其他算法的性能增益，并計算平均值。從圖3(a)中可以看出，與ISMM相比，AORAM能夠使用戶的平均感知時延降低8.746%，當(dāng)用戶數(shù)M≤38時，2種算法最大差值為36.59ms，即2種算法在用戶服務(wù)質(zhì)量性能方面表現(xiàn)大致相同，但用戶數(shù)M>38時，時延差值隨著用戶數(shù)的增加而不斷增大。同理可知，在圖3(b)中，與COSM相比，AORAM能夠使用戶的平均感知時延降低11.57%，當(dāng)用戶數(shù)M≤20時，2種算法時延差值百分比為10.53%，最大差值為24.68ms。在圖3(c)中，與FSMM相比，AORAM能夠使用戶的平均感知時延降低21.59%，當(dāng)用戶數(shù)M≤12時，2種算法最大差值為40.70ms。從圖3(d)中可以看出，與其他算法相比，所提AORAM的用戶平均感知時延分別降低了8.74%、11.57%、21.59%。顯然，AORAM能有效地降低感知時延，提高用戶服務(wù)質(zhì)量。圖4為4種算法在不同懲罰因子V情況下虛擬隊列長度Q(t)隨時間的變化曲線。圖4(a)為AORAM在不同懲罰因子V下，虛擬隊列長度Q(t)的變化情況，可以看出，隨著時間推移，虛擬隊列長度Q(t)趨于某一個固定值（如當(dāng)V=500時，虛擬隊列長度Q(t)的穩(wěn)定值為127）。此外，當(dāng)增大懲罰因子V時，虛擬隊列長度Q(t)也隨之增大，同時系統(tǒng)達到遷移成本穩(wěn)定的收斂時間也變長。其原因在于，當(dāng)增大懲罰因子V時，意味著系統(tǒng)優(yōu)化目標(biāo)更偏重于用戶的感知時延，導(dǎo)致系統(tǒng)為獲取更低的用戶感知

·10·通信學(xué)報第41卷定值。圖4(d)為ISMM在不同懲罰因子V下虛擬隊列長度Q(t)的變化情況。當(dāng)V值較小時，每個時刻遷移成本均小于長期遷移閾值Eavg，因此Q(t)值不斷變小并最后達到穩(wěn)定；當(dāng)V較大時，頻繁的服務(wù)遷移造成遷移成本大于遷移閾值，使其Q(t)不斷增大直到穩(wěn)定。圖5為不同懲罰因子V下用戶的平均感知時延�？梢钥闯�，在平穩(wěn)狀態(tài)時，AORAM得到的用戶平均感知時延相對于其他3種對比算法分別減少了90.84ms、106.45ms、112.55ms。由于FSMM中服務(wù)遷移決策取決于用戶與SBS的相對位置，所以V值不影響服務(wù)遷移決策，但容易造成邊緣服務(wù)器負(fù)載失衡，導(dǎo)致服務(wù)質(zhì)量降低。當(dāng)V<100時，隨著V的增加，ISMM、COSM與AORAM的感知時延快速下降。但當(dāng)200≤V<2000時，AORAM感知時延能夠達到更低值，表明所提的AORAM在保圖4不同懲罰因子V下的虛擬隊列長度圖5用戶感知時延圖6平均遷移成本

【參考文獻】：
期刊論文
[1]車輛邊緣網(wǎng)絡(luò)中基于多參數(shù)MDP模型的動態(tài)服務(wù)遷移策略[J]. 郭輝,芮蘭蘭,高志鵬.  通信學(xué)報. 2020(01)
[2]移動邊緣計算卸載技術(shù)綜述[J]. 謝人超,廉曉飛,賈慶民,黃韜,劉韻潔.  通信學(xué)報. 2018(11)
[3]面向5G需求的移動邊緣計算[J]. 田輝,范紹帥,呂昕晨,趙鵬濤,賀碩.  北京郵電大學(xué)學(xué)報. 2017(02)



本文編號：3485974