文章針對在資源受限的MEC系統中設計合理的計算卸載策略以滿足用戶的需求，是其將要面臨的巨大挑戰。
文章目錄
一、MEC及其卸載技術的研究現狀
二、針對單小區提出的計算卸載策略
三、針對多小區提出的計算卸載策略
四、總結
一、MEC及其卸載技術的研究現狀
ＭＥＣ通過將遠端雲數據中心下沉到無線網絡邊緣，打破了傳統的以無線接入網、核心骨干網絡、應用網絡相互連接而形成的三層架構，實現了無線側與應用側的融合，ＭＥＣ的概念描述如圖１－１所示。
1.1移動邊緣計算的部署方案
①MEC部署在無線節點（基站或無線接入點，ＭＥＣ服務器可以直接內嵌在無線節點內或者直接連接在無線節點后。）這種部署方案對應的場景一般是校園，大型商場，體育場等業務量和覆蓋范圍較大的熱點區域。方案的優點是，每個基站都配有一個ＭＥＣ服務器，能以更便捷且快速的方式獲取無線側信息，不足是由於計費功能一般都在網關執行，因此計費以及合法監聽等安全問題需進一步考慮。
②MEC部署在一個聚合點：這種部署方案一般適用於一些覆蓋范圍及業務量都比較小的基站，比如微小區基站或家用基站，這類基站一般計算需求小，且可能硬件設施不足以內嵌一個大型ＭＥＣ服務器，因此考慮到資源的合理利用性，可以將多個小覆蓋范圍的基站共同連接到一個匯聚節點，再由匯聚節點統一連接到ＭＥＣ服務器。這種部署方案在室內場景、企業專網和物聯網場景下應用較多。
③MEC部署在核心網網關：該方案與第二種方案類似，都是多個基站共用一個ＭＥＣ服務器，不同的是，該方案下的ＭＥＣ服務器部署在核心網網關，優點是可以解決以上兩種方案在安全及計費問題上的不足，缺點是由於ＭＥＣ部署在核心網，其與移動用戶距離較遠，可能產生較大的時延，同時也會占用核心網的資源。
1.2移動邊緣計算卸載技術
ＭＥＣ中的計算卸載技術主要流程可分為六大步驟，分別為可卸載節點感知，計算任務划分，卸載決策制定，任務上傳，服務器執行計算，計算結果回傳，其流程描述如圖２－３所示
①可卸載節點感知
當終端／用戶有計算卸載的需求后，首先對網絡中可以進行卸載的節點進行感知，這些節點一般為ＭＥＣ服務器節點，而從廣義上來說，也可以是某些具有一定計算能力的設備，如Ｄ２Ｄ設備。
②計算任務的划分
第一將任務分解成可卸載部分和不可卸載部分，不可卸載部分只能在本地執行
第二對於可卸載部分又可進一步更細粒度的划分，這樣便可以結合代碼的並行處理等技術，在后面的服務器執行計算階段，更快的完成計算任務，當然，這樣細粒度的子任務划分需要考慮子任務之間的執行順序／依賴關系。
③卸載決策制定
該環節的作用主要是決定用戶的某個任務是選擇本地執行，還是ＭＥＣ服務器執行，或者是進一步轉發到其他節點執行，以及采用ＭＥＣ卸載執行，需要分配的功率、計算資源、無線資源等是多少，各個子任務的調度順序如何。
④任務上傳
任務上傳階段的目的是將卸載決策步驟中指定的卸載任務通過上行鏈路傳輸到ＭＥＣ服務器，上行鏈路可以是移動蜂窩網絡，也可以是wiFI網絡
⑤服務器執行計算
在收到上傳的待計算任務后，服務器會根據卸載決策中制定的策略（任務執
行順序，執行時間，任務分配的計算資源等），通過其虛擬化的基礎設施層為每個任務抽象出一個虛擬機來執行具體的計算任務。
⑥計算結果回傳
其作用是將服務器執行完的計算任務結果通過下行鏈路傳輸到用戶終端，由於任務輸出的數據量一般遠小於任務輸入的數據量大小，並且服務器的發送功率也遠大於用戶終端設備的發送功率，使得該階段耗費的時延和能耗相對於任務上傳階段和服務器計算階段都要小的多，因此很多研宄一般把該階段的傳輸代價忽略，但是，在某些情況下，比如移動雲計算場景中，任務的回傳需要經歷核心網而產生較大的ｂａｃｋｈａｕｌ時延，因此，這種情況下該階段花費的代價不能忽略。
二、針對單小區提出的計算卸載策略---基於任務緩存的計算卸載和資源分配聯合優化
本文聯合考慮了計算卸載、資源分配和任務的主動緩存，在計算資源、無線資源和存儲資源的約束下，最小化任務執行的總時延。本文考慮ＭＥＣ服務器和遠端雲都可以主動地緩存用戶計算任務的執行結果，以盡可能的減少任務執行時延。因此執行一項計算任務有四種可選方式：（１）任務在終端本地執行；（２）任務卸載到ＭＥＣ執行；（３）ＭＥＣ服務器緩存了該任務的計算結果，直接從ＭＥＣ緩存空間將任務結果傳輸給用戶，無需經過計算；（４）遠端雲服務器緩存了該任務的計算結果，從雲服務器的緩存空間將任務結果通過核心網傳給基站，再由基站傳輸給用戶，無需經過計算。
在第一個階段，ＭＥＣ服務器的緩存空間沒有被填滿，為了進一步減小任務執行時延，當用戶將計算任務卸載到ＭＥＣ服務器執行后，ＭＥＣ服務器會盡可能多的對任務的計算結果進行緩存（己經緩存過的，不會重復被緩存），同時會記錄每個任務的被請求次數。隨着卸載的任務數量越來越多，緩存空間逐漸被填滿，緩存策略將進入下一個階段。
在第二個階段，此時ＭＥＣ的緩存空間已經被填滿，有着更高流行度（任務被請求的頻率）的計算任務將替換ＭＥＣ原有緩存空間里較低流行度的任務，同時，被替換掉的任務緩存會傳輸到遠端雲服務器進行緩存（若遠端雲己有該任務的緩存，則直接將該數據丟棄即可）。
基於貪心策略的三步式啟發式算法
（１）步驟一：任務執行模式預選擇
集合N0的規模越小，求解３－１４的復雜度就越低，因此，在該步驟內，通過設計一個任務執行方案的預選擇策略，來減小需進行執行模式決策的任務規模。
（２）步驟二：時延增益排序
首先，定義時延增益函數為：
然后，計算NS；中每個任務的時延增益。最后，將任務集合NS；中的任務按照計算出的時延增益降序排列，且排序后的集合定義為NSsort。顯然，任務的時延增益越大，任務就越可能選擇卸載的方式來執行，以盡可能減少時延。
（３）步驟三：基於貪婪策略的資源分配
在步驟一里，我們可以初步的確定任務的本地執行集合為＝NL，執行雲端緩存方案的任務集合為Nc，定義最終選擇執行計算卸載的任務集合為NE，它是NSsort的一個子集並且初始為空，在該步驟里，本文將采用一個貪婪算法從中選取任務加入到集合NE；中，並且給NE中的任務分配計算和無線資源
總結：本章首先將優化問題分解為確定任務緩存狀態、任務執行模式選擇和資源分配兩個子問題，然后提出一個聯合ＭＥＣ服務器和遠端雲的任務緩存算法以確定任務的緩存狀態，最后，設計了一個基於貪心策略的三步式啟發式算法用於求解任務執行模式選擇和資源分配子問題
三、針對多小區提出的計算卸載策略---基於SDN的主從MEC協作計算卸載策略
創新點在於基於ＳＤＮ架構的多小區計算負載均衡的思路，主要針對熱點區域ＭＥＣ服務器計算能力與用戶計算需求不匹配的問題，提出多個小區ＭＥＣ輔助主小區ＭＥＣ服務器協作計算卸載的方案，本文綜合考慮了任務執行模式選擇和多個ＭＥＣ服務器計算資源分配問題，並建模出一個以計算資源為約束，以最小化系統代價（時延和能耗的加權）為目標的優化問題。針對同時含有互相耦合的二維任務執行決策向量和二維ＭＥＣ服務器計算資源分配向量的混合整數非線性規划問題，本文設計了一種基於模擬退火思想的啟發式算法通過不斷的迭代和降溫達到收斂狀態，以求得問題的次優解。仿真結果表明，本方案相對於隨機選擇任務執行節點的方案、不考慮協作ＭＥＣ服務器的方案及本地執行等方案都能在大多數情況下取得最好的系統性能。
在其中，每個用戶的任務有三種可選方式，分別為本地執行、卸載到主ＭＥＣ服務器執行、卸載到從ＭＥＣ服務器執行。聯合考慮了任務執行決策和計算資源分配問題並最終形成了一個以最小化系統代價為目標的優化問題，經分析，該問題屬於混合整數非線性規划問題，本文設計了一個基於模擬退火思想的啟發式算法逼近最優解。
因此，本文中計算任務有三種執行方式，分別為：
（１）卸載到主ＭＥＣ服務器執行：用戶通過無線上行信道將任務卸載到主ＭＥＣ服務器進行處理。
（２）卸載到從ＭＥＣ服務器執行：當主ＭＥＣ服務器計算載荷過大，無法滿足任務的需求時，每個任務將從可提供計算資源的從ＭＥＣ服務器中選擇一個進行卸載，此時任務需要經過主小區的基站轉發至對應的從小區。
（３）終端本地執行：當主從ＭＥＣ服務器都無法滿足任務的計算需求時，此時需考慮任務在終端本地執行。
假設任務執行決策變量已知，並將選擇任務本地執行的任務集合記為Ni，選擇將任務卸載到主ＭＥＣ服務器執行的任務集合記為N0，對於Ｍ個從ＭＥＣ服務器，記被任務選擇了的服務器集合為k＝（１．２．．．．．K}，其中，k為０到M中的任意整數，記在k中任意一個服務器上運行着的任務集合為Ni，並且有Ni+N0+
=N
模擬退火算法
模擬退火算法是一種常用的求解優化問題的智能算法，它模擬固態物質的降溫過程，物質內的分子在高溫狀態下無序程度較大，隨着溫度不斷下降，分子由於內能減少而逐漸趨於穩定的狀態。該算法在每一個迭代時能對上次迭代的解產生一個迭代時能對上次迭代的解產生一個偏差（該偏差與溫度有關，隨着溫度的逐漸降低，偏差逐漸較少趨近於０）並更新一組新解，然后基於這組新解求得目標函數值，若本次求得的目標函數值優於上次迭代結果，則接受本次新解及迭代結果，反之，若劣於上次迭代結果，則以一個與溫度有關的概率接受本次新解及迭代結果，最終隨着溫度的不斷降低，新解不再更新，算法逐漸收斂。
本文提出一個基於模擬退火思想的啟發式算法對該問題進行求解，該算法在每一次迭代都能產生一組新的滿足約束條件的決策變量，並依靠該決策變量通過凸優化的方法求得最優的資源分配變量，經過不斷的迭代可以達到收斂，以較低的復雜度獲得問題的次優解。
基於模擬退火的啟發式算法具體步驟：
總結：本章針對熱點區域內移動邊緣計算能力與用戶計算需求不匹配的場景，提出了一種基於ＳＤＮ的主從ＭＥＣ協作計算卸載策略以達到多小區間計算負載均衡的目的。綜合考慮了計算仟務執行模式選擇和多個ＭＥＣ服務器計算資源的分配，經過對通信和計算模型的推導，最終形成一個以ＭＥＣ服務器計算資源為約束的系統代價最小化問題。針對建模出的復雜混合整數非線性規划問題，本文設計了一個基於模擬退火的啟發式算法，能夠通過逐步迭代最終達到收斂，進而獲得問題的次優解。