文献类型：期刊文章

作　　者：缪裕青[1] 徐伊[1] 张万桢[2] 刘同来[1,3] 韩峥[1]

Miao Yuqing;Xu Yi;Zhang Wanzhen;Liu Tonglai;Han Zheng(School of Computer&Information Security,Guilin University of Electronic Technology,Guilin Guangxi 541004,China;Dept.of Practice Teaching,Guilin University of Aerospace Technology,Guilin Guangxi 541004,China;School of Computers,Guangdong University of Technology,Guangdong 510006,China)

机构地区：[1]桂林电子科技大学计算机与信息安全学院,广西桂林541004 [2]桂林航天工业学院实践教学部,广西桂林541004 [3]广东工业大学计算机学院,广州510006

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61763007,61866007);广西自然科学基金联合资助项目(2018GXNSFAA138082);广西密码学与信息安全重点实验室项目(GCIS201816);广西重点研发计划资助项目(桂科AA17204002)。

年　　份：2021

卷　　号：38

期　　号：7

起止页码：2050-2055

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：当前,多数车联网任务卸载工作仅考虑时延因素将任务卸载至边缘服务器执行(LOCAL-MEC),但是,车载单元仍有一定的计算能力可以利用。针对上述问题,研究了任务卸载的总代价即时延和能耗两个目标,提出一个将车辆自身的计算单元、附近车辆的计算单元与边缘服务器协同计算的任务卸载模型。该模型既考虑了任务的优先关系,又同时考虑了系统的时延和能耗。通过借鉴模拟退火算法思想并引入压缩因子改进粒子群算法来实现任务卸载。实验结果表明:与其他任务卸载策略相比,提出的任务卸载策略优化效果明显,TPSO算法的总代价为传统粒子群算法的53.8%、LOCAL-MEC策略的27.1%、DCOS(distributed computation offloading scheme)算法的78%,并且适用于多种现实场景。

关 键 词：移动边缘计算  任务卸载  车联网 改进粒子群算法

分 类 号：TP393]