Key points are not available for this paper at this time.
Mobile Geräte haben aufgrund von Designentscheidungen, die ihre Mobilität gewährleisten, mehrere Einschränkungen. Eine Möglichkeit, solche Einschränkungen zu überwinden, besteht darin, Cloud-Server, die als Cloudlets bezeichnet werden, am Rand des Netzwerks durch Mobile Edge Computing zu nutzen. Da jedoch die Anzahl der Clients und Geräte wächst, muss der Dienst auch seine Skalierbarkeit erhöhen, um ein Latenzlimit und einen Qualitätsstandard zu gewährleisten. Dies kann durch das Bereitstellen und Aktivieren von mehr Cloudlets erreicht werden, jedoch ist diese Lösung aufgrund der Kosten der physischen Server teuer. Die beste Wahl ist es, die Ressourcen der Cloudlets durch eine intelligente Konfigurationsauswahl zu optimieren, die die Verzögerung verringert und die Skalierbarkeit erhöht. Daher schlagen wir in diesem Papier einen Algorithmus vor, der die Migration virtueller Maschinen und die Übertragungsleistungssteuerung nutzt, zusammen mit einem mathematischen Modell der Verzögerung im Mobile Edge Computing und einem heuristischen Algorithmus namens Partikelschwarmoptimierung, um die Arbeitslast zwischen Cloudlets auszugleichen und somit die Kosteneffektivität zu maximieren. Unser Vorschlag ist der erste, der Kommunikation, Berechnung und Migration gleichzeitig in unserem angenommenen Umfang berücksichtigt und es dadurch schafft, andere herkömmliche Methoden hinsichtlich der Anzahl der bedienten Nutzer zu übertreffen.
Rodrigues et al. (Do,) haben diese Frage untersucht.