文档介绍:: .
150 2022,58(7)
with the local offloading strategy, random offloading strategy, the offloading strategy based on particle swarm optimization
(PSO)and the offloading strategy based on artificial bee colony algorithm(ABC). The results show that the edge computing
offloading strategy based on OMABC can effectively reduce the cost function of the MEC system and provide more effi-
cient services.
Key words:artificial bee colony algorithm; mobile edge computing; computing offloading; multi-dimensional update;
dynamic population
随着 5G 通讯技术与物联网技术的发展,用户对 2018 年的 184 亿 [1]。传统的云计算作为一种集中式计
AR、VR 等计算密集型、时延敏感型应用的需求越来越 算,已难以在短时间内处理需要大量资源的应用程序。
高。根据思科 2020 年度互联网报告统计,预计到 2023 此外,由于云计算中心往往距离用户较远,也带来了数
年全球移动设备将从 2018 年的 88 亿增长到 2023 年的 据传输时延高、能耗高等一系列问题。
131 亿,连接到 IP 网络的设备数量将达到 293 亿高于 为了应对这些问题,移动边缘计算(mobile edge
基金项目:国家自然科学基金(U1803262,61602349)。
作者简介:章呈瑞(1998—),男,硕士研究生,主要研究方向为边缘计算与智能算法;柯鹏(1977—),通信作者,男,工学博士,副教
授,主要研究方向为演化算法及智能计算,E-mail:ke_******@;尹梅(1997—),女,硕士研究生,主要研究方
向为智能计算。
收稿日期:2021-09-09 修回日期:2021-11-25 文章编号:1002-8331(2022)07-0150-12章呈瑞,等:改进人工蜂群算法及其在边缘计算卸载的应用 2022,58(7) 151
computing,MEC)应用而生[2],该模式通过云计算下沉, 耗的代价函数,取得了较好的效果,但由于粒子群算法
端计算上移来将移动智能终端及物联网设备的计算任 的限制,在迭代后期仍然采用全维度更新策略,在高维
务卸载至边缘云中,解决了传统云计算模式算力有限、 问题上难以取得更好的收敛精度,且较容易陷入局部
时延较高的不足。 最优。
MEC 计算卸载作为一个重要的研究方向,受到了 本文则在以上研究的基础上,考虑到真实环境中多
国内外学者的广泛研究。目前对于计算卸载策略的研 移动设备多 MEC 服务器的情况,引入云服务器,从整体
究主要包括三个方向,最小化时延、最小化能耗以及时 角度考虑,将能耗作为惩罚项构造代价函数,使用人工
延和能耗加权后最小化该代价函数[3]。