摘要
移动通信技术和云计算技术的快速发展促使了移动边缘计算（mobileedgecomputing，MEC）的出现，它通过将计算密集型和延迟敏感型的计算任务卸载到边缘节点上，利用边缘节点靠近用户侧、计算资源丰富等优势来解决移动终端资源不足的问题，并缓解任务集中上云对通信带来的压力。尽管MEC经过十几年的发展，基础架构和部署方案都得到了不断完善，并获得广泛应用。然而在用户任务的计算卸载问题上，还没能获得理想的解决方案。 在现有的研究工作中，大多认为云服务器的计算能力和数据传输能力是恒定不变的，并以此为前提提出了各种卸载算法。然而，已有研究表明，云服务器的计算性能和传输效率随着时间和场景的变化而呈现波动，为了确保任务的卸载决策和资源分配均能合理有效，云服务器的时变特性需要被考虑其中。 本文提出一种基于概率性能感知的演化博弈任务卸载算法来解决云边协同MEC环境下的多用户任务卸载问题。区别于传统策略，本文考虑云服务器性能的时变特性，先将性能的历史数据进行概率化处理分析，再依此对云服务器的实时性能进行合理的预测，最后利用演化博弈论的分布式、抗干扰、动态高效的特点设计模型并提出算法，将用户卸载所产生的货币成本和卸载时延通过QoS聚合为用户满意度指标，指导用户在MEC环境下完成卸载决策。实验基于真实环境下数据集进行多次实验，结果表明：本文提出的方法在用户密集型和用户稀疏型两种场景下的用户满意度、货币成本、卸载时延三个指标上均优于传统方法；突变情况发生时，系统抗干扰能力也较传统博弈方法得到了提高。 进一步的，本文利用演化博弈论的算法优势，将终端用户的移动性考虑其中，提出了移动感知的演化博弈任务卸载算法。通过多次实验得到结果：用户在移动感知的MEC环境下，本文提出的卸载算法在用户满意度、货币成本上均优于传统方法，在卸载时延指标上也表现不俗。用户满意度会随着用户数量的增加而增加，云服务器资源得到更加充分的利用。
NETL