基于负载预测的多目标优化任务卸载策略

作     者：彭世明 林士飏 贾硕 杨苗会 PENG Shiming;LIN Shiyang;JIA Shuo;YANG Miaohui

作者机构：山东理工大学交通与车辆工程学院山东淄博255000 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年第50卷第1期

页      面：206-215页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：产学合作协同育人项目(202102473012) 

主　　题：车联网 移动边缘计算 任务卸载 负载预测 负载均衡 时延 

摘      要：在车联网中随着智能网联汽车的升级,新兴车载应用对计算能力提出更高要求,车载单元本身的计算能力已远远不够,移动边缘计算(MEC)的出现可以为车辆提供更加可靠的服务。为解决车联网边缘计算中的任务卸载问题,提出基于负载预测的多目标优化卸载策略算法,降低任务时延并实现边缘服务器负载均衡。通过基于自适应优化神经网络的负载预测算法预测MEC服务器的负载,提前感知MEC服务器的负载变化,解决任务卸载滞后问题。以最小化时延及MEC服务器负载均衡为目标,综合考虑通信环境、计算资源、任务量等因素构建多目标优化模型。通过非支配排序遗传算法-Ⅲ(NSGA-Ⅲ)获得最优任务卸载策略。仿真实验结果表明,该算法能对MEC服务器的负载进行较精确的预测。相比MTUOA、NSGA2、QTD和AOS,该算法的任务时延分别降低1.7%、7.3%、12.4%、17.5%,并在MEC服务器负载均衡中取得显著优势,解决MEC服务器负载不均衡的问题。此外,该算法可以根据不同通信小区的通信环境及车辆数等制定差异化的任务卸载方案。