基于元启发式算法的移动边缘计算任务卸载优化

摘要

针对移动边缘计算(mobile edge computing, MEC)中物联网终端计算能力有限、任务卸载策略难以兼顾能耗与延迟的问题，提出一种基于元启发式算法的任务卸载优化模型。采用蚁群优化算法(ant colony optimization, ACO)、灰狼优化算法(grey wolf optimization, GWO)和鲸鱼优化算法(whale optimization algorithm, WOA)3种元启发式算法，构建MEC任务卸载的多目标优化数学模型。模型综合考虑本地与卸载计算的时间与能耗，引入线路负载平衡函数和电网可靠性函数作为约束条件，通过适应度函数将多目标问题转化为单目标优化，权重参数均设为0.25。仿真结果表明，GWO算法在能耗和延迟方面均显著优于ACO和WOA。在节点100、任务1 000 kB的高负载场景下，GWO相比ACO节能12.3%、延迟降低17.6%,相比WOA节能8.1%、延迟降低14.0%。综合所有实验场景，GWO平均节能10.2%、平均延迟减少15.8%。在卸载任务数量方面，GWO能够动态选择最优卸载组合，避免服务器过载或本地能耗过高，实现能耗与延迟的帕累托最优权衡。实验结果验证了模型在多目标约束下的鲁棒性与可扩展性。

关键词

移动边缘计算 / MCC / 能量优化 / 卸载决策 / 元启发式算法 / 数学模型

基金资助

国家自然科学基金(61374184)