面向以收入驱动的多用户在线任务卸载在边缘计算中的应用

移动边缘计算（MEC）已成为通过利用边缘节点上的可用资源来增强移动设备计算和存储能力的一个有吸引力的解决方案。在MEC中，任务的到达是高度动态的且难以精确预测。将任务分配给边缘节点以保证系统性能既非常重要又很具挑战性。本文旨在通过最佳地将任务卸载到边缘节点来优化每个边缘节点获得的收入。我们制定了收入驱动的在线任务卸载（ROTO）问题，证明其是NP难的。我们首先将ROTO放宽为线性分式规划问题，并提出了水平平衡分配（LBA）算法。然后，我们通过严格的理论分析展示了LBA的性能保障，并使用原始-对偶技术提出了ROTO的LB-四舍五入算法。该算法以相当的概率实现了2 (1+) (d+1)的近似比，其中d是边缘节点的最大处理槽数，并且是一个小常数。所提算法的性能通过基于轨迹的仿真和实验验证。结果表明，与基线算法相比，我们提出的方案更为高效。