移動(dòng)邊緣計(jì)算卸載策略綜述

呂潔娜，張家波，張祖凡，甘臣權(quán)

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065)

E-mail:lvjiena_it@163.com

1 引 言

在過(guò)去的二三十年里，我們見(jiàn)證了各種革命性移動(dòng)設(shè)備的出現(xiàn)，如：智能手機(jī)、智能家居電器等.這些設(shè)備帶來(lái)了移動(dòng)計(jì)算的繁榮，使計(jì)算和通信可以隨時(shí)隨地發(fā)生[1].隨著大數(shù)據(jù)時(shí)代的來(lái)臨和科技的迅猛發(fā)展，眾多場(chǎng)景下的移動(dòng)設(shè)備均具有多種新型應(yīng)用，例如圖像處理、AR游戲等，這些應(yīng)用具有計(jì)算密集、時(shí)效性強(qiáng)等特點(diǎn)，尤其是基于人工智能的新型應(yīng)用，其對(duì)計(jì)算資源的需求極高，這都使移動(dòng)設(shè)備在計(jì)算能力、存儲(chǔ)和電池壽命方面面臨著巨大的挑戰(zhàn).

云計(jì)算作為一種集中式計(jì)算模型，展現(xiàn)出了無(wú)限計(jì)算能力和按需資源供應(yīng)[2,3]的強(qiáng)大力量.因此，為了使移動(dòng)設(shè)備的能力得到提升，引入了移動(dòng)云計(jì)算(Mobile Cloud Computing，MCC)的概念[4].MCC是云計(jì)算與移動(dòng)計(jì)算的集成，移動(dòng)設(shè)備通過(guò)計(jì)算卸載利用云的能力來(lái)加速應(yīng)用程序的執(zhí)行并減少耗能.MCC一直被認(rèn)為是一種很有前途的增強(qiáng)移動(dòng)設(shè)備能力的方法，然而，由于云通常遠(yuǎn)離移動(dòng)設(shè)備會(huì)造成較大的延遲，且計(jì)算數(shù)據(jù)在傳輸?shù)皆频倪@個(gè)過(guò)程中所消耗的能量也是十分巨大的[5].這些問(wèn)題對(duì)應(yīng)用程序的運(yùn)行效率以及用戶的服務(wù)體驗(yàn)均造成了嚴(yán)重的影響.移動(dòng)邊緣計(jì)算與計(jì)算卸載技術(shù)被提出來(lái)解決以上這些問(wèn)題.

移動(dòng)邊緣計(jì)算[6]注重于在移動(dòng)網(wǎng)絡(luò)[7]的邊緣提供云計(jì)算能力和信息技術(shù)服務(wù)，其被認(rèn)為是推動(dòng)5G發(fā)展的關(guān)鍵技術(shù)[8].移動(dòng)邊緣計(jì)算意在將原來(lái)置于云計(jì)算平臺(tái)的功能和服務(wù)“下放”至移動(dòng)網(wǎng)絡(luò)的邊緣，并在移動(dòng)邊緣網(wǎng)絡(luò)中提供處理這些功能和服務(wù)所需要的通信、存儲(chǔ)和計(jì)算等資源，從而使用戶可以獲得高帶寬與超低時(shí)延的高質(zhì)量網(wǎng)絡(luò)功能服務(wù).計(jì)算卸載[9,10]作為邊緣計(jì)算[11]的關(guān)鍵技術(shù)之一，其被定義為終端設(shè)備將全部或者部分計(jì)算任務(wù)傳給云計(jì)算環(huán)境執(zhí)行的技術(shù).計(jì)算卸載將執(zhí)行計(jì)算密集型、時(shí)延敏感型等新型應(yīng)用時(shí)所需的資源提供給資源受限的終端設(shè)備，以加快應(yīng)用程序的運(yùn)行速率及節(jié)省能源消耗，從而解決移動(dòng)設(shè)備在資源存儲(chǔ)、計(jì)算性能以及能效等多方面存在能力不足的問(wèn)題，增強(qiáng)了移動(dòng)設(shè)備的計(jì)算能力的同時(shí)也為移動(dòng)設(shè)備減輕了負(fù)擔(dān).計(jì)算卸載的研究一般包括兩方面的研究，一是卸載決策，其主要確定是否需要進(jìn)行卸載以及卸載到哪里；二是資源分配，其旨在解決卸載到移動(dòng)邊緣計(jì)算節(jié)點(diǎn)后，節(jié)點(diǎn)的資源如何分配，或在卸載傳輸過(guò)程中如何分配通信資源能使利益最大化.本文將介紹面向移動(dòng)邊緣計(jì)算環(huán)境下的計(jì)算卸載方面的研究現(xiàn)狀，其中對(duì)移動(dòng)邊緣計(jì)算的基礎(chǔ)概念以及計(jì)算卸載策略進(jìn)行了詳細(xì)的論述，并提出了目前研究仍存在的問(wèn)題，同時(shí)對(duì)計(jì)算卸載的未來(lái)研究趨勢(shì)做出了展望.

論文的結(jié)構(gòu)總結(jié)如下：第二節(jié)介紹了移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)的相關(guān)概念以及移動(dòng)邊緣計(jì)算的基本架構(gòu)和典型應(yīng)用場(chǎng)景；第三節(jié)介紹了計(jì)算卸載的體系結(jié)構(gòu)并結(jié)合計(jì)算卸載策略的分類逐一對(duì)計(jì)算卸載技術(shù)目前的研究情況進(jìn)行了分析和對(duì)比；第四節(jié)描述了計(jì)算卸載目前仍待解決的問(wèn)題與挑戰(zhàn)以及對(duì)其未來(lái)發(fā)展趨勢(shì)做出展望；最后總結(jié)本文的工作.

2 移動(dòng)邊緣計(jì)算概述

2.1 MEC的概念

邊緣計(jì)算的概念源于內(nèi)容分發(fā)網(wǎng)絡(luò)(Content Delivery Network，CDN).隨著科技發(fā)展，邊緣計(jì)算的定義已遠(yuǎn)超出了CDN的基本范疇，其不再僅僅討論移動(dòng)邊緣計(jì)算節(jié)點(diǎn)上的內(nèi)容分發(fā)與緩存，還更加強(qiáng)調(diào)計(jì)算節(jié)點(diǎn)以及網(wǎng)絡(luò)邊緣的計(jì)算功能.隨著數(shù)據(jù)量的不斷攀升和萬(wàn)物互聯(lián)時(shí)代的來(lái)臨，使得為用戶提供低時(shí)延、高可靠的優(yōu)質(zhì)服務(wù)的需求日益增長(zhǎng)，為此研究人員開(kāi)始了更進(jìn)一步的探索研究，移動(dòng)邊緣計(jì)算也隨之應(yīng)運(yùn)而生.

移動(dòng)邊緣計(jì)算(Mobile Edge Computing，MEC)的概念最早出現(xiàn)于2013年.當(dāng)時(shí)國(guó)際商業(yè)機(jī)器公司IBM和Nokia Siemens 網(wǎng)絡(luò)聯(lián)合出品了一款計(jì)算平臺(tái)，其可在鄰近移動(dòng)用戶的無(wú)線基站內(nèi)部執(zhí)行計(jì)算任務(wù)，為用戶提供信息技術(shù)服務(wù)[12].隨后，歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)(European Telecommunications Standards Institute，ETSI)在2014年成立了移動(dòng)邊緣計(jì)算規(guī)范工作組，以促進(jìn)業(yè)界對(duì)移動(dòng)邊緣計(jì)算的研究.于此同時(shí)ETSI也正式公布了推動(dòng)移動(dòng)邊緣計(jì)算標(biāo)準(zhǔn)化的MEC發(fā)展計(jì)劃[8].MEC的核心思想是把傳統(tǒng)數(shù)據(jù)中心里的云計(jì)算平臺(tái)從核心網(wǎng)絡(luò)內(nèi)部遷至移動(dòng)網(wǎng)絡(luò)邊緣，以實(shí)現(xiàn)各類系統(tǒng)資源的高效利用.MEC中的“M”最初表示的是“mobile”的意思，專指移動(dòng)網(wǎng)絡(luò)場(chǎng)景下的邊緣計(jì)算.隨著研究的不斷深入，ETSI為了將邊緣計(jì)算的概念引入到非3GPP接入的應(yīng)用場(chǎng)景中，其于2016年把MEC的概念重定義為多接入邊緣計(jì)算(Multi-Access Edge Computing)[13].然而，對(duì)移動(dòng)網(wǎng)絡(luò)場(chǎng)景下的邊緣計(jì)算技術(shù)進(jìn)行研究仍然是現(xiàn)階段邊緣計(jì)算領(lǐng)域內(nèi)的研究重點(diǎn)，所以目前業(yè)界仍然常將MEC稱為“移動(dòng)邊緣計(jì)算”.

新興的移動(dòng)邊緣計(jì)算技術(shù)旨在支持在網(wǎng)絡(luò)邊緣對(duì)少量系統(tǒng)資源(例如：數(shù)據(jù)、計(jì)算能力、服務(wù)存儲(chǔ)和內(nèi)容分發(fā))進(jìn)行普遍且有效的訪問(wèn).移動(dòng)邊緣計(jì)算可以促進(jìn)一系列操作方面的工作，如：回程通信鏈路上的負(fù)載平衡，增強(qiáng)網(wǎng)絡(luò)覆蓋范圍與容量.由于移動(dòng)邊緣計(jì)算節(jié)點(diǎn)多部署于數(shù)據(jù)信息源或者用戶的鄰近位置，從而使得網(wǎng)絡(luò)對(duì)用戶請(qǐng)求作出響應(yīng)時(shí)的時(shí)間消耗大幅度減少，于此同時(shí)也大大降低了核心網(wǎng)絡(luò)與傳輸網(wǎng)絡(luò)出現(xiàn)網(wǎng)絡(luò)擁擠的幾率.移動(dòng)邊緣計(jì)算可以潛在地提供高級(jí)別的可伸縮性、彈性、可靠性、自動(dòng)化和安全性[14]，從而使用戶的服務(wù)質(zhì)量體驗(yàn)得到極大地提升.

2.2 MEC的基本架構(gòu)和應(yīng)用場(chǎng)景

歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)(ETSI)在其制定的“MEC全球標(biāo)準(zhǔn)003版本”(GS MEC 003)中對(duì)移動(dòng)邊緣計(jì)算基于網(wǎng)絡(luò)功能虛擬化(Network Functions Virtualization，NFV)的參考架構(gòu)[15]進(jìn)行了定義.圖1為MEC的基本框架，其從宏觀角度進(jìn)行分析，對(duì)MEC下不同的功能實(shí)體進(jìn)行了層次劃分，主要分為3級(jí)：移動(dòng)邊緣系統(tǒng)水平、移動(dòng)邊緣主機(jī)水平和移動(dòng)邊緣網(wǎng)絡(luò)水平.其中，移動(dòng)邊緣系統(tǒng)水平結(jié)構(gòu)由MEC系統(tǒng)級(jí)管理、用戶以及第三方實(shí)體這三者予以實(shí)現(xiàn)，其主要責(zé)任是對(duì)MEC系統(tǒng)進(jìn)行全方位的把控，以達(dá)到統(tǒng)籌全局的目的；移動(dòng)邊緣主機(jī)水平結(jié)構(gòu)主要包括MEC主機(jī)級(jí)管理實(shí)體與MEC主機(jī).同時(shí)，MEC主機(jī)部分也可以做更進(jìn)一步的劃分，分為移動(dòng)邊緣平臺(tái)、移動(dòng)邊緣應(yīng)用以及虛擬化基礎(chǔ)設(shè)施這三部分.移動(dòng)邊緣網(wǎng)絡(luò)水平主要由外部網(wǎng)絡(luò)、本地網(wǎng)絡(luò)以及3GPP 蜂窩網(wǎng)絡(luò)等相應(yīng)的外部實(shí)體組成，該層的主要作用是展現(xiàn)MEC工作系統(tǒng)與外部網(wǎng)絡(luò)、蜂窩移動(dòng)網(wǎng)絡(luò)或者局域網(wǎng)的接入狀態(tài).其中，移動(dòng)邊緣主機(jī)水平需要在網(wǎng)絡(luò)水平的基礎(chǔ)上才得以接入網(wǎng)絡(luò)，而網(wǎng)絡(luò)水平只有在移動(dòng)邊緣主機(jī)水平下才能真正發(fā)揮其低延遲、高質(zhì)量的特性.同時(shí)，管理移動(dòng)邊緣主機(jī)水平和網(wǎng)絡(luò)水平主要由移動(dòng)邊緣系統(tǒng)水平負(fù)責(zé)進(jìn)行統(tǒng)籌管理.由此可見(jiàn)，移動(dòng)邊緣系統(tǒng)水平、移動(dòng)邊緣主機(jī)水平與移動(dòng)邊緣網(wǎng)絡(luò)水平這三者相互聯(lián)系，彼此依存，各自均起著重要的作用.

圖1 MEC基本架構(gòu)Fig.1 Basic architecture of mobile edge computing

MEC具有許多的應(yīng)用場(chǎng)景，其中較為典型的應(yīng)用場(chǎng)景主要有：第一是與網(wǎng)絡(luò)信息功能開(kāi)放以及網(wǎng)絡(luò)接入有關(guān)的本地邊緣應(yīng)用服務(wù)，如基于無(wú)線網(wǎng)絡(luò)的定位導(dǎo)航系統(tǒng)[16]；第二是高清視頻加速，在網(wǎng)絡(luò)邊緣就近處理視頻業(yè)務(wù)可以大幅度地減少視頻用戶在觀看視頻的響應(yīng)時(shí)延，同時(shí)MEC豐富的計(jì)算功能和強(qiáng)大的計(jì)算能力使得其可以對(duì)通信鏈路情況進(jìn)行實(shí)時(shí)感知，并依據(jù)通信鏈路情況及時(shí)作出轉(zhuǎn)碼調(diào)整，從而確保視頻的流暢程度[17-19]；第三是面向?qū)r(shí)延、可靠性以及計(jì)算性能等有超高需求的工業(yè)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等應(yīng)用場(chǎng)景下的網(wǎng)絡(luò)邊緣應(yīng)用服務(wù)，例如：交通事故的廣播信息等出行安全保障服務(wù)以及一些商業(yè)性的增值服務(wù)，如停車位查詢與定位、AR游戲或者其它便民業(yè)務(wù)等[20,21]；第四是應(yīng)用于區(qū)塊鏈技術(shù)，將區(qū)塊鏈中的計(jì)算密集型任務(wù)卸載到邊緣處理[22,23]或者通過(guò)結(jié)合區(qū)塊鏈技術(shù)的去中心化、共識(shí)機(jī)制、對(duì)等互聯(lián)等特點(diǎn)對(duì)邊緣節(jié)點(diǎn)進(jìn)行可信認(rèn)證和鑒權(quán)，提升業(yè)務(wù)和系統(tǒng)安全性[24,25].

3 移動(dòng)邊緣計(jì)算卸載的研究現(xiàn)狀

在本節(jié)中，我們將分別從體系結(jié)構(gòu)、卸載決策和資源分配這三方面介紹移動(dòng)邊緣計(jì)算卸載的研究現(xiàn)狀.

3.1 計(jì)算卸載的體系結(jié)構(gòu)

邊緣計(jì)算的目標(biāo)是通過(guò)將計(jì)算放在靠近信息源的位置來(lái)減少延遲，提高用戶服務(wù)體驗(yàn).它通過(guò)構(gòu)建一個(gè)由各式各樣的計(jì)算設(shè)備組成的層次結(jié)構(gòu)來(lái)實(shí)現(xiàn).新范式下的移動(dòng)邊緣計(jì)算的體系結(jié)構(gòu)是一個(gè)典型的三層結(jié)構(gòu)，其由云中心、邊緣節(jié)點(diǎn)和移動(dòng)終端設(shè)備組成，如圖2 MEC計(jì)算卸載體系結(jié)構(gòu).新范式的移動(dòng)邊緣計(jì)算卸載體系結(jié)構(gòu)主要結(jié)合云計(jì)算、邊緣節(jié)點(diǎn)服務(wù)器來(lái)支持在網(wǎng)絡(luò)邊緣提供服務(wù)和增強(qiáng)移動(dòng)終端設(shè)備的綜合性能.具體地，在遠(yuǎn)端的云服務(wù)器能夠提供穩(wěn)定而強(qiáng)大的計(jì)算能力，可以幫助發(fā)現(xiàn)邊緣節(jié)點(diǎn)[26]、進(jìn)行資源管理[27]，進(jìn)行全球大數(shù)據(jù)分析.邊緣節(jié)點(diǎn)由公司、商店、醫(yī)院與學(xué)校等不同組織部署，它位于網(wǎng)絡(luò)的末端與核心網(wǎng)絡(luò)之間的通信鏈路上.邊緣節(jié)點(diǎn)具有優(yōu)于邊緣終端設(shè)備的計(jì)算功能，并且比云具有更低的延遲.但是，由于邊緣節(jié)點(diǎn)形式與硬件類型的不同，其具有不同的類別，以下是邊緣節(jié)點(diǎn)的分類.

圖2 MEC計(jì)算卸載體系結(jié)構(gòu)Fig.2 Computing offloading architecture for mobile edge computing

1)Cloudlet：Cloudlet的概念是由Satyanarayanan等人在2009年提出的.其在文獻(xiàn)[28]和文獻(xiàn)[29]中被稱為基于云的網(wǎng)絡(luò)搜尋.它們是資源豐富的服務(wù)器亦或是位于移動(dòng)終端設(shè)備單跳附近的服務(wù)器集群.Cloudlet重用現(xiàn)代云計(jì)算技術(shù)，例如基于虛擬機(jī)(Virtual Machine，VM)的虛擬化技術(shù).得益于虛擬機(jī)技術(shù)，Cloudlet可以動(dòng)態(tài)擴(kuò)展和收縮，最終促進(jìn)移動(dòng)用戶服務(wù)請(qǐng)求的可伸縮性.

2)微型數(shù)據(jù)中心：微型數(shù)據(jù)中心是指地理分布的小型數(shù)據(jù)中心，它們只擁有少量或者中等數(shù)量的服務(wù)器.通過(guò)在世界各地的戰(zhàn)略位置部署大量的微型數(shù)據(jù)中心，可以降低網(wǎng)絡(luò)延遲、節(jié)省帶寬消耗、提供可靠的連接，并減少云的開(kāi)銷[30].

3)基站：LTE(Long Term Evolution，長(zhǎng)期演進(jìn)技術(shù))和5G等技術(shù)的發(fā)展[31]推動(dòng)了基站的發(fā)展，而基站是邊緣節(jié)點(diǎn)的優(yōu)質(zhì)選擇.這些增強(qiáng)型基站密集地部署在移動(dòng)終端設(shè)備附近，其除了基本的通信功能外，還可以提供計(jì)算服務(wù).現(xiàn)階段的研究中，基站已經(jīng)以LET宏基站(evolved Node，eNode)[8]和小型蜂窩微基站[32,33]的形式作為邊緣計(jì)算節(jié)點(diǎn)，并且結(jié)合虛擬化技術(shù)[34]來(lái)擴(kuò)展計(jì)算服務(wù).

4)其他節(jié)點(diǎn)類型：在邊緣計(jì)算的新范式中，移動(dòng)終端設(shè)備既可以成為資源需求方也可以成為資源的提供者，再結(jié)合理論：位于連接云和邊緣設(shè)備的通信鏈路上的任何計(jì)算基礎(chǔ)設(shè)施都可以被視為邊緣節(jié)點(diǎn).由此，車輛車載系統(tǒng)、與蜂窩網(wǎng)相關(guān)的物聯(lián)網(wǎng)網(wǎng)關(guān)[35]、甚至智能手機(jī)[36]都是邊緣節(jié)點(diǎn).

基于圖2給出的三層結(jié)構(gòu)，計(jì)算卸載通常發(fā)生在特定層外部或者內(nèi)部的各個(gè)層之間.此外，卸載也可以在同一層上進(jìn)行或是將計(jì)算送到云中.

3.2 卸載決策分類

卸載的過(guò)程中可能會(huì)受到外界環(huán)境或者卸載系統(tǒng)內(nèi)部產(chǎn)生的不同因素的影響[37]，如無(wú)線信道間的干擾、用戶的操作習(xí)慣、通信鏈路連接質(zhì)量、通信信道的狀況以及移動(dòng)終端設(shè)備的整體性能等，所以制定一個(gè)合適當(dāng)前環(huán)境的卸載決策方案是計(jì)算卸載的關(guān)鍵所在.本文依照邊緣計(jì)算系統(tǒng)的性能要求以及卸載任務(wù)的性能需求介紹卸載決策方案.當(dāng)前，卸載決策方案常以時(shí)延、能耗和系統(tǒng)效用作為卸載指標(biāo).由于時(shí)延這一性能指標(biāo)是最直接影響用戶使用體驗(yàn)的關(guān)鍵因素，所以卸載決策需要對(duì)任務(wù)處理時(shí)延進(jìn)行考慮.同時(shí)，當(dāng)整個(gè)系統(tǒng)運(yùn)行的時(shí)候可能會(huì)出現(xiàn)因?yàn)椴荒芗皶r(shí)對(duì)當(dāng)前請(qǐng)求做出響應(yīng)而導(dǎo)致與其具有依賴關(guān)系的應(yīng)用程序運(yùn)行終止的情況，從而導(dǎo)致運(yùn)行效率降低，所以卸載決策必須確保在移動(dòng)設(shè)備端應(yīng)用程序所能承受的時(shí)延范圍內(nèi)執(zhí)行.此外，減少設(shè)備的能量消耗也是需要討論研究的問(wèn)題，若能耗過(guò)大會(huì)導(dǎo)致移動(dòng)設(shè)備電量消耗過(guò)快，設(shè)備續(xù)航能力降低.最小化能耗是指在滿足時(shí)延約束條件下最小化能耗.另外，有些應(yīng)用程序需要時(shí)延和能耗可以取得一個(gè)很好的平衡點(diǎn)使系統(tǒng)的總消耗最小，此時(shí)就需要通過(guò)對(duì)時(shí)延和能耗這兩個(gè)性能指標(biāo)進(jìn)行加權(quán)求和，并使二者相加的數(shù)值最小來(lái)實(shí)現(xiàn)時(shí)延和能耗兩者之間的權(quán)衡.不同的系統(tǒng)對(duì)于卸載決策的需求不同，這時(shí)不僅僅是單純地依賴于時(shí)延和能耗的優(yōu)化，還有其它因素是系統(tǒng)所期望改進(jìn)與優(yōu)化的，此時(shí)結(jié)合系統(tǒng)需求制定效用函數(shù)，以優(yōu)化系統(tǒng)效用的卸載決策應(yīng)運(yùn)而生.本節(jié)主要從以降低時(shí)延為目標(biāo)、以降低能耗為目標(biāo)、權(quán)衡時(shí)延和能耗以及以最大化效用為目標(biāo)這四個(gè)方面進(jìn)行闡述.該四類卸載決策的對(duì)比如表1所示.

表1 四種卸載決策對(duì)比Table 1 Comparison of four offloading decisions

3.2.1 以降低時(shí)延為目標(biāo)的卸載決策

文獻(xiàn)[38]整合MCC和MEC來(lái)制定計(jì)算卸載決策.其綜合考慮MCC計(jì)算資源豐富與MEC傳輸時(shí)延低的特點(diǎn)，提出了一種IHRA方案，用于在多用戶情況下做出計(jì)算卸載決策以實(shí)現(xiàn)部分計(jì)算任務(wù)卸載到物聯(lián)網(wǎng)用戶終端設(shè)備執(zhí)行，使延遲敏感的應(yīng)用程序執(zhí)行時(shí)延降低.首先，作者考慮單用戶卸載問(wèn)題.其次，將單用戶卸載問(wèn)題擴(kuò)展為多用戶卸載問(wèn)題，同時(shí)考慮資源約束和多個(gè)用戶之間的干擾.本文提出的卸載決策算法與基線算法相比，該算法降低了30%的執(zhí)行延遲且適用于各種應(yīng)用.

文獻(xiàn)[39]研究車輛間的任務(wù)卸載問(wèn)題，提出了一種使車輛在卸載計(jì)算任務(wù)時(shí)能夠了解相鄰車輛卸載延遲性能的卸載算法——基于多臂強(qiáng)盜理論的自適應(yīng)學(xué)習(xí)任務(wù)轉(zhuǎn)移算法ALTO，其以分布式方式工作，不需要頻繁的狀態(tài)交換，并且增強(qiáng)了輸入意識(shí)和現(xiàn)象意識(shí)，以適應(yīng)動(dòng)態(tài)環(huán)境，減小平均任務(wù)轉(zhuǎn)移延遲.本文在合成場(chǎng)景和實(shí)際高速公路場(chǎng)景下均進(jìn)行仿真，仿真結(jié)果表明，與現(xiàn)有的基于置信度上限的學(xué)習(xí)算法相比，該算法具有較低的時(shí)延性能.

為了降低時(shí)延，文獻(xiàn)[40]提出了LODCO算法——一種基于Lyapunov優(yōu)化理論的動(dòng)態(tài)計(jì)算卸載算法.該方法從任務(wù)運(yùn)行時(shí)延以及任務(wù)運(yùn)行故障兩方面對(duì)卸載決策進(jìn)行優(yōu)化，使卸載任務(wù)處理時(shí)延最小化的同時(shí)也保障了數(shù)據(jù)傳輸過(guò)程中的成功率，從而降低了卸載失敗的幾率.仿真結(jié)果表明該算法在減少時(shí)延方面展現(xiàn)出了絕佳的優(yōu)勢(shì)，其能夠?qū)⑿遁d任務(wù)的執(zhí)行時(shí)間整整縮短64%.

文獻(xiàn)[41]為了解決邊緣計(jì)算中任務(wù)卸載調(diào)度的優(yōu)化問(wèn)題，對(duì)蝙蝠群算法進(jìn)行改進(jìn)，提出一種改進(jìn)混沌蝙蝠群協(xié)同卸載方案，該方案大大減少了任務(wù)完成的時(shí)延，從而滿足任務(wù)實(shí)時(shí)處理的需求.文獻(xiàn)[42]提出基于中間節(jié)點(diǎn)的邊緣計(jì)算網(wǎng)絡(luò)體系結(jié)構(gòu)下的任務(wù)卸載策略，實(shí)現(xiàn)不同邊緣節(jié)點(diǎn)之間的負(fù)載均衡以及縮短任務(wù)完成時(shí)間.

近年來(lái)，隨著機(jī)器學(xué)習(xí)方法的不斷發(fā)展，其已逐步滲入到了各個(gè)領(lǐng)域，其中，強(qiáng)化學(xué)習(xí)在以降低時(shí)延為目標(biāo)的卸載決策中也等到了很好的應(yīng)用.文獻(xiàn)[43]提出了一種基于深度強(qiáng)化學(xué)習(xí)的延遲敏感任務(wù)卸載算法，以提高任務(wù)處理速度，減少任務(wù)超時(shí)時(shí)間.作者聯(lián)合超時(shí)信號(hào)和減速信號(hào)設(shè)計(jì)了新的獎(jiǎng)勵(lì)函數(shù)來(lái)指導(dǎo)算法從環(huán)境中學(xué)習(xí)卸載決策.仿真結(jié)果顯示，與傳統(tǒng)啟發(fā)式算法比較，所提出的算法具有較低的平均延遲與平均超時(shí)時(shí)間.文獻(xiàn)[44]提出了一種應(yīng)用于多類型卸載平臺(tái)場(chǎng)景下的智能卸載和資源分配算法，該算法采用K近鄰算法選擇任務(wù)卸載平臺(tái)，并采用強(qiáng)化學(xué)習(xí)算法對(duì)非本地計(jì)算中的計(jì)算資源分配問(wèn)題進(jìn)行求解.針對(duì)信息技術(shù)服務(wù)環(huán)境中移動(dòng)邊緣計(jì)算任務(wù)卸載決策的依賴感知問(wèn)題，文獻(xiàn)[45]結(jié)合電池耗電量的容忍度與應(yīng)用程序中的任務(wù)依賴性提出了一種基于強(qiáng)化學(xué)習(xí)的無(wú)模型方法，通過(guò)與網(wǎng)絡(luò)環(huán)境的交互作用優(yōu)化卸載決策并降低總執(zhí)行時(shí)延.

以上卸載決策均達(dá)到了降低時(shí)間延遲的目的，但是未能考慮在進(jìn)行計(jì)算卸載時(shí)移動(dòng)終端設(shè)備一端的能耗，終端設(shè)備可能出現(xiàn)由于電能不足使得卸載策略無(wú)法正常運(yùn)行的情況，這對(duì)用戶體驗(yàn)有著巨大的影響.因此，研究者們繼續(xù)探索卸載決策方案以使能量消耗最小化.

3.2.2 以降低能耗為目標(biāo)的卸載決策

為了滿足車輛網(wǎng)絡(luò)場(chǎng)景下車輛用戶對(duì)計(jì)算和通信的要求，文獻(xiàn)[46]提出了一種應(yīng)用于車聯(lián)網(wǎng)(Internet of Vehicles，IoV)中的霧云計(jì)算卸載算法，以最小化車輛和計(jì)算設(shè)施的功耗.作者把車輛場(chǎng)景下的整個(gè)霧云系統(tǒng)分解成兩部分——前端和后端.在前端(車輛側(cè))，設(shè)計(jì)了一種預(yù)測(cè)組合傳輸算法以節(jié)省能源.此外，針對(duì)后端開(kāi)發(fā)了一種深度學(xué)習(xí)方法來(lái)優(yōu)化工作負(fù)載，以最大程度降低后端(霧和云設(shè)施)的功耗.仿真結(jié)果表明，與純?cè)颇Ｊ揭约凹冹F模式相比，霧云模式具有更為優(yōu)秀的性能表現(xiàn)，在滿足延遲需求的同時(shí)，能顯著地優(yōu)化功耗.

文獻(xiàn)[47]設(shè)計(jì)了一種高效節(jié)能的基于深度學(xué)習(xí)的計(jì)算卸載方案，解決了移動(dòng)應(yīng)用程序組件選擇性卸載問(wèn)題.該方案依據(jù)剩余能量、計(jì)算負(fù)荷、能源消耗、傳輸數(shù)據(jù)量以及延遲通信制定成本函數(shù)，以獲得所有可能組件卸載策略組合的成本，并在一個(gè)詳盡的數(shù)據(jù)集上選擇最優(yōu)策略，同時(shí)訓(xùn)練一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)為所涉及的廣泛計(jì)算提供備選方案.實(shí)驗(yàn)結(jié)果顯示，該方案具備較高的精確度與較低的能耗.

文獻(xiàn)[48-53]針對(duì)不同環(huán)境場(chǎng)景下的卸載問(wèn)題從優(yōu)化能耗方面尋求解決方案.文獻(xiàn)[48]采取人工魚群算法設(shè)計(jì)在時(shí)延約束下進(jìn)行能耗優(yōu)化的卸載策略.該策略充分考慮了任務(wù)數(shù)據(jù)傳輸網(wǎng)絡(luò)中的鏈路狀況，有效降低了設(shè)備的能量消耗，但該策略存在算法復(fù)雜度過(guò)高的缺陷.在多重資源環(huán)境下，文獻(xiàn)[49]設(shè)計(jì)了一種面向多重資源匹配的能耗最小化粒子群任務(wù)調(diào)度算法，以降低邊緣終端設(shè)備能耗.文獻(xiàn)[50]研究計(jì)算任務(wù)的部分卸載，為了使移動(dòng)設(shè)備能耗最小化，作者提出了任務(wù)可分的移動(dòng)設(shè)備節(jié)能優(yōu)化問(wèn)題，并利用貪心算法求解.文獻(xiàn)[51]研究超密集網(wǎng)絡(luò)場(chǎng)景下的任務(wù)卸載問(wèn)題，作者在COMED移動(dòng)邊緣計(jì)算框架的基礎(chǔ)上提出了基于Lyapunov優(yōu)化理論的任務(wù)卸載算法，該算法使基站和設(shè)備的整體能耗達(dá)到最小.為了解決移動(dòng)邊緣計(jì)算中計(jì)算卸載決策可能出現(xiàn)的隱私泄露問(wèn)題，文獻(xiàn)[52]提出一種基于Lyapunov優(yōu)化理論的隱私感知計(jì)算卸載算法，該算法計(jì)算復(fù)雜度低，在保證較高隱私安全的同時(shí)維持了較低的終端能耗.文獻(xiàn)[53]對(duì)深度學(xué)習(xí)任務(wù)卸載問(wèn)題進(jìn)行研究，為了更好地部署深度學(xué)習(xí)應(yīng)用及優(yōu)化網(wǎng)絡(luò)功耗，提出了一個(gè)基于混合L1/L2范數(shù)的組稀疏波束成形框架.

移動(dòng)終端設(shè)備在電池壽命方面具有很大的局限性，以上以降低能耗為目標(biāo)的計(jì)算卸載策略很大程度地緩解了移動(dòng)終端設(shè)備在電池壽命上的短板.時(shí)延和能耗是計(jì)算卸載系統(tǒng)中兩個(gè)十分重要的性能指標(biāo)，然而，在某些系統(tǒng)中用戶更希望系統(tǒng)的時(shí)間消耗和能源消耗總和能達(dá)到最小來(lái)降低系統(tǒng)的整體消耗或者對(duì)時(shí)間消耗和能源消耗進(jìn)行權(quán)衡，使系統(tǒng)的總消耗處于相對(duì)較優(yōu)且穩(wěn)定的狀態(tài)，因此，如何權(quán)衡時(shí)延和能耗也是邊緣計(jì)算卸載中一個(gè)值得研究的方向.

3.2.3 權(quán)衡時(shí)延和能耗的卸載決策

文獻(xiàn)[54]討論一個(gè)車輛網(wǎng)絡(luò)移動(dòng)邊緣計(jì)算系統(tǒng)，以不完全信息環(huán)境下的任務(wù)卸載為研究問(wèn)題，將任務(wù)與邊緣之間的交互建模為一個(gè)匹配博弈問(wèn)題.卸載的主要目標(biāo)是在考慮車輛移動(dòng)性和能源消耗限制的情況下最小化平均延遲.其討論了無(wú)干擾正交多址網(wǎng)絡(luò)和干擾非正交多址網(wǎng)絡(luò)兩種典型的車輛通信應(yīng)用場(chǎng)景，提出了兩種獨(dú)立的啟發(fā)式匹配算法來(lái)解決在能源消耗約束條件下最小化延遲的問(wèn)題.仿真結(jié)果表明本文提出的算法在減少平均延遲時(shí)間和保持能耗較低均具有成效.

文獻(xiàn)[55]考慮了一個(gè)多用戶MEC系統(tǒng)，其中一個(gè)MEC服務(wù)器可以處理多個(gè)用戶設(shè)備通過(guò)無(wú)線信道卸載的計(jì)算任務(wù).本文將所有任務(wù)事件的處理延遲以及能量消耗的總和作為卸載指標(biāo).為了使考慮的MEC系統(tǒng)的總成本最小，作者依據(jù)多用戶MEC系統(tǒng)模型建立了網(wǎng)絡(luò)模型、任務(wù)模型和計(jì)算模型，并將多用戶MEC系統(tǒng)中的卸載決策問(wèn)題建模為優(yōu)化問(wèn)題，為解決該問(wèn)題作者提出了基于Q-Learning和基于深度Q-Learning的解決方案.實(shí)驗(yàn)結(jié)果顯示，與其它基線相比該方案在延遲和能量消耗的總和上有明顯的降低.

真實(shí)多任務(wù)的環(huán)境下，任務(wù)請(qǐng)求的到達(dá)具有不確定性，為了克服任務(wù)到達(dá)的隨機(jī)性問(wèn)題，文獻(xiàn)[56]設(shè)計(jì)了一種基于機(jī)器學(xué)習(xí)技術(shù)的隨機(jī)任務(wù)卸載方案，該方案將隨機(jī)任務(wù)分為N個(gè)可卸載組件以及2個(gè)不可卸載組件，并對(duì)劃分好的組件使用提出的機(jī)器學(xué)習(xí)算法進(jìn)行隨機(jī)任務(wù)卸載最優(yōu)策略的制定.算法分為訓(xùn)練階段與使用階段，在訓(xùn)練階段中，為了完成對(duì)任務(wù)最優(yōu)策略的學(xué)習(xí)，在該階段采用Q-Learning方法生成任務(wù)的最優(yōu)卸載策略作為深度前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，以實(shí)現(xiàn)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；在使用階段中，通過(guò)神經(jīng)網(wǎng)絡(luò)前向傳播生成新隨機(jī)到達(dá)任務(wù)的近似最優(yōu)卸載策略.仿真結(jié)果表明，該方案加快了最優(yōu)策略的生成，且具有較好的泛化能力.

用戶在進(jìn)行計(jì)算任務(wù)卸載的過(guò)程中會(huì)遇到各類安全問(wèn)題，針對(duì)這類問(wèn)題文獻(xiàn)[57]依據(jù)MEC網(wǎng)絡(luò)基礎(chǔ)架構(gòu)設(shè)計(jì)了基于安全的計(jì)算卸載架構(gòu)，并在該卸載架構(gòu)的基礎(chǔ)上，對(duì)整個(gè)計(jì)算卸載過(guò)程進(jìn)行數(shù)學(xué)建模，將系統(tǒng)能耗與時(shí)延的總開(kāi)銷作為最終優(yōu)化目標(biāo)，設(shè)計(jì)了一種基于量子進(jìn)化理論的卸載方案.實(shí)驗(yàn)結(jié)果表明，與常規(guī)的卸載方案相比，提出的方案既使MEC系統(tǒng)的總開(kāi)銷降低，又提升了系統(tǒng)的安全性.文獻(xiàn)[58]將多用戶移動(dòng)邊緣計(jì)算場(chǎng)景下的任務(wù)卸載問(wèn)題表述為在資源有限的條件下令時(shí)延和能耗加權(quán)和最小化的凸優(yōu)化問(wèn)題，為了解決該問(wèn)題作者基于乘子法提出了一種計(jì)算卸載機(jī)制，以實(shí)現(xiàn)移動(dòng)終端能耗及任務(wù)執(zhí)行時(shí)延的最小化.

文獻(xiàn)[59-64]針對(duì)計(jì)算卸載中的能耗和時(shí)延的權(quán)衡優(yōu)化問(wèn)題提出了一些見(jiàn)解與解決方案.其中，文獻(xiàn)[59]提出了基于SDN-V輔助的卸載機(jī)制，適用于車聯(lián)網(wǎng)場(chǎng)景.該機(jī)制考慮任務(wù)多樣性，建立關(guān)于重要度的數(shù)學(xué)模型，并依據(jù)該模型設(shè)計(jì)了任務(wù)卸載排序算法.最后，構(gòu)建基于Q-學(xué)習(xí)的卸載算法以實(shí)現(xiàn)對(duì)任務(wù)卸載中的能耗與時(shí)延的優(yōu)化.文獻(xiàn)[60]對(duì)于物聯(lián)網(wǎng)場(chǎng)景下的響應(yīng)時(shí)延和能耗成本之間權(quán)衡的優(yōu)化卸載問(wèn)題提出了一個(gè)Lyapunov優(yōu)化理論和自適應(yīng)在線學(xué)習(xí)方法相結(jié)合的解決方案.文獻(xiàn)[61]對(duì)多用戶移動(dòng)邊緣計(jì)算卸載系統(tǒng)進(jìn)行優(yōu)化，以時(shí)延和功耗的長(zhǎng)期平均開(kāi)銷為優(yōu)化目標(biāo)構(gòu)建馬爾可夫決策問(wèn)題，并采用凸優(yōu)化理論進(jìn)行求解.文獻(xiàn)[62]提出了一種基于MEC的內(nèi)容感知分類卸載策略，使車輛終端產(chǎn)生的消息可以直接在邊緣節(jié)點(diǎn)處理，保障安全消息的可靠性以及時(shí)延與能耗的均衡.文獻(xiàn)[63]為了平衡服務(wù)器的能量消耗和延遲性能建立了多目標(biāo)優(yōu)化策略，并利用內(nèi)點(diǎn)法與排隊(duì)論解決該優(yōu)化問(wèn)題.文獻(xiàn)[64]針對(duì)多用戶任務(wù)卸載問(wèn)題，提出了基于博弈論的卸載方案，使最優(yōu)解與理論最優(yōu)策略近似的同時(shí)也大大減少了系統(tǒng)開(kāi)銷.

在以上所列舉的卸載決策方案中，大部分的方案旨在滿足卸載任務(wù)可承受的時(shí)延限制的情況下使移動(dòng)終端設(shè)備的能耗最小化或是依據(jù)不同任務(wù)的需求對(duì)能耗和時(shí)延進(jìn)行權(quán)衡.然而在實(shí)際的卸載過(guò)程中不同的系統(tǒng)可能存在不同的性能需求而并非僅僅局限于時(shí)延與能耗，所以，近年來(lái)出現(xiàn)了一些研究嘗試根據(jù)具體情況下的需求來(lái)尋求合適的卸載決策以實(shí)現(xiàn)計(jì)算卸載系統(tǒng)的效用最大化.

3.2.4 以最大化效用為目標(biāo)的卸載決策

車輛網(wǎng)絡(luò)的場(chǎng)景，多個(gè)邊緣服務(wù)器的不同狀態(tài)以及多種車輛卸載模式的存在使得高效的任務(wù)卸載成為挑戰(zhàn)，為了應(yīng)對(duì)該挑戰(zhàn)，文獻(xiàn)[65]啟用了MEC的LTE-V網(wǎng)絡(luò)，其中定性分析了各種車輛通信模式對(duì)任務(wù)卸載性能的影響.采用深度Q-Learning方法，提出了在給定時(shí)延約束下，以卸載系統(tǒng)效用最大化為優(yōu)化目標(biāo)的MEC服務(wù)器確定和傳輸模式選擇方案.針對(duì)車輛網(wǎng)絡(luò)中任務(wù)數(shù)據(jù)傳輸失效的情況，作者制定了一種高效的冗余卸載方案，該提出的方案在保證卸載可靠性的同時(shí)也提升了車輛系統(tǒng)的資源利用率.作者基于真實(shí)的交通網(wǎng)絡(luò)數(shù)據(jù)對(duì)所設(shè)計(jì)的方案進(jìn)行分析評(píng)估.結(jié)果表明該方案可以以最佳效用卸載車輛任務(wù)，同時(shí)還滿足了可靠性和等待時(shí)間的約束.

任務(wù)卸載到邊緣服務(wù)器易受到外部安全問(wèn)題威脅，針對(duì)該問(wèn)題，文獻(xiàn)[66]提出了一種面向移動(dòng)邊緣計(jì)算環(huán)境下移動(dòng)用戶安全與成本感知的計(jì)算卸載方案，其目標(biāo)是在風(fēng)險(xiǎn)概率約束下最小化總成本，其中，總成本包括移動(dòng)設(shè)備的能耗、處理延遲及任務(wù)丟失概率.具體地，該策略首先利用安全開(kāi)銷模型量化安全時(shí)間實(shí)現(xiàn)安全工作負(fù)載測(cè)量.其次，采用風(fēng)險(xiǎn)率約束，將安全感知任務(wù)卸載問(wèn)題描述為一個(gè)具有風(fēng)險(xiǎn)率約束的無(wú)限馬爾科夫鏈過(guò)程.然后，為找到最佳的卸載方案，提出一種基于深度Q網(wǎng)絡(luò)的安全與成本感知計(jì)算卸載算法，該方案為移動(dòng)用戶提供了安全性及成本效率.

文獻(xiàn)[22]對(duì)區(qū)塊鏈場(chǎng)景中的計(jì)算密集型任務(wù)(數(shù)據(jù)處理任務(wù)與區(qū)塊鏈挖掘任務(wù))卸載策略進(jìn)行研究，針對(duì)傳統(tǒng)的卸載策略(如：拍賣策略和博弈論策略)未能根據(jù)環(huán)境的變化對(duì)卸載策略進(jìn)行調(diào)整，導(dǎo)致不能實(shí)現(xiàn)長(zhǎng)期績(jī)效和現(xiàn)有的基于深度強(qiáng)化學(xué)習(xí)的卸載方法存在高維動(dòng)作空間導(dǎo)致收斂速度慢的問(wèn)題，本文提出了結(jié)合自適應(yīng)遺傳算法的深度強(qiáng)化學(xué)習(xí)算法——DRGO算法.該算法在實(shí)現(xiàn)系統(tǒng)效用最大化的同時(shí)也對(duì)區(qū)塊鏈任務(wù)中的這兩個(gè)子任務(wù)的權(quán)衡進(jìn)行了優(yōu)化.由仿真結(jié)果可知，與三種典型的基準(zhǔn)卸載策略相比DRGO算法具有更為良好的性能表現(xiàn)，在各種環(huán)境下均具有較強(qiáng)的魯棒性.

文獻(xiàn)[67]將多用戶計(jì)算卸載決策問(wèn)題描述為一個(gè)非合作博弈，為了實(shí)現(xiàn)計(jì)算卸載的通信成本和計(jì)算成本組成的效用函數(shù)的最大化，本文提出了FDCO算法——一種基于機(jī)器學(xué)習(xí)技術(shù)的全分布計(jì)算卸載方案.文獻(xiàn)[68]為了激勵(lì)停靠車輛用戶提供其空閑計(jì)算資源來(lái)執(zhí)行服務(wù)提供商卸載的計(jì)算任務(wù)，而設(shè)計(jì)了一個(gè)基于契約論的激勵(lì)方案，以滿足服務(wù)提供商和用戶的效用需求.文獻(xiàn)[69]提出了一個(gè)基于合約設(shè)計(jì)的卸載方案，該方案根據(jù)用戶體驗(yàn)敏感度的異質(zhì)性將用戶分為不同的類型，并分別為完整信息場(chǎng)景與統(tǒng)計(jì)信息場(chǎng)景設(shè)計(jì)了CPU運(yùn)算周期數(shù)-數(shù)據(jù)量-價(jià)格的合約規(guī)則，使用戶獲得合適的卸載策略的同時(shí)實(shí)現(xiàn)商業(yè)效用最大化.在5G車載網(wǎng)絡(luò)卸載系統(tǒng)中，文獻(xiàn)[70]將車輛任務(wù)分為本地子任務(wù)和機(jī)動(dòng)子任務(wù)，針對(duì)機(jī)動(dòng)子任務(wù)的卸載，提出了一種基于Lyapunov優(yōu)化理論的動(dòng)態(tài)卸載決策方案，該方案將動(dòng)態(tài)任務(wù)卸載決策與計(jì)算資源分配相結(jié)合，以最大程度地發(fā)揮效用功能.文獻(xiàn)[71]針對(duì)多用戶、多卸載節(jié)點(diǎn)、任務(wù)結(jié)構(gòu)化環(huán)境下的計(jì)算卸載問(wèn)題，設(shè)計(jì)了兩種基于改進(jìn)遺傳算法與貪心策略的近似求解方法，以實(shí)現(xiàn)用戶的效用需求.

系統(tǒng)效用最大化的卸載決策指標(biāo)由于能根據(jù)具體情況具體分析而得到廣泛研究.以上就是根據(jù)不同場(chǎng)景設(shè)計(jì)不同的效用函數(shù)，再依據(jù)最大化系統(tǒng)效用這一指標(biāo)制定適合的計(jì)算卸載決策以滿足用戶的需求.

3.3 資源分配分類

移動(dòng)邊緣計(jì)算的目的在于在移動(dòng)網(wǎng)絡(luò)的邊緣提供計(jì)算、存儲(chǔ)、通信與網(wǎng)絡(luò)資源，從而滿足用戶對(duì)高帶寬、超低時(shí)延的優(yōu)質(zhì)網(wǎng)絡(luò)服務(wù)日益增長(zhǎng)的需求.MEC計(jì)算卸載可以擴(kuò)展移動(dòng)設(shè)備的計(jì)算能力并提升用戶體驗(yàn)，資源分配則可進(jìn)一步改善計(jì)算卸載性能.當(dāng)前，計(jì)算卸載中的資源分配的研究常考慮計(jì)算資源的分配、通信資源的分配以及聯(lián)合計(jì)算和通信的資源分配這三大類.隨著科學(xué)技術(shù)的快速發(fā)展，出現(xiàn)了大量計(jì)算密集型的新型移動(dòng)終端應(yīng)用，由于移動(dòng)終端設(shè)備在計(jì)算能力方面存在局限性，急需網(wǎng)絡(luò)邊緣的計(jì)算節(jié)點(diǎn)為其提供計(jì)算能力，而任何設(shè)備服務(wù)器的計(jì)算能力都不是無(wú)窮無(wú)盡的，所以對(duì)計(jì)算資源進(jìn)行合理分配尤為重要.隨著大數(shù)據(jù)時(shí)代的來(lái)臨，各類應(yīng)用產(chǎn)生的數(shù)據(jù)量不斷攀升，然而在通信成本高且通信能力有限的情況下，對(duì)通信資源進(jìn)行分配可降低傳輸大量數(shù)據(jù)時(shí)對(duì)帶寬帶來(lái)的壓力和傳輸成本.在整個(gè)計(jì)算卸載過(guò)程中數(shù)據(jù)通信和任務(wù)計(jì)算是核心步驟，所以聯(lián)合計(jì)算和通信資源分配是大勢(shì)所趨，其可以對(duì)計(jì)算卸載的不同階段的策略和方案進(jìn)行優(yōu)化.本節(jié)將介紹和對(duì)比這三類資源分配的研究.其優(yōu)劣對(duì)比表如表2所示.

3.3.1 計(jì)算資源分配

為了保證MEC網(wǎng)絡(luò)的計(jì)算資源效率，文獻(xiàn)[72](1)https://arxiv.org/abs/1901.00233提出了一個(gè)基于潛在博弈理論的計(jì)算資源分配方案以達(dá)到降低MEC網(wǎng)絡(luò)的能耗以及提高計(jì)算資源效率的目的.計(jì)算資源分配方案包括兩個(gè)部分:第一部分為基于潛在博弈論的功率控制方案，找出一組最大化MEC網(wǎng)絡(luò)潛在功能的基站的傳輸功率；第二部分是基于線性規(guī)劃的計(jì)算資源分配方案，其根據(jù)功率控制方案的結(jié)果，使MEC網(wǎng)絡(luò)的平均計(jì)算資源分配系數(shù)最大.實(shí)驗(yàn)結(jié)果表明，提出的計(jì)算資源分配方案相比于傳統(tǒng)方案在計(jì)算資源利用率和能源效率方面均有顯著提高.

優(yōu)化算法是解決MEC計(jì)算卸載中資源分配問(wèn)題的可靠方法.但是，由于操作和迭代的復(fù)雜性，迭代優(yōu)化算法并不適用于高實(shí)時(shí)性的MEC系統(tǒng).為了解決這一問(wèn)題，文獻(xiàn)[73]設(shè)計(jì)了一個(gè)基于DNN框架來(lái)優(yōu)化實(shí)時(shí)變化的MEC系統(tǒng)下的計(jì)算資源分配的方案.首先利用經(jīng)典的序列二次規(guī)劃優(yōu)化算法得到優(yōu)化結(jié)果，其次，利用獲得的優(yōu)化結(jié)果訓(xùn)練DNN以近似序列二次規(guī)劃(Sequence Quadratic Program，SQP)的行為.該文獻(xiàn)不僅關(guān)注算法執(zhí)行后的時(shí)延、能量消耗等系統(tǒng)指標(biāo)，還關(guān)注算法本身的效率，實(shí)驗(yàn)結(jié)果表明，提出的基于DNN的訓(xùn)練方法能較好地逼近SQP，且訓(xùn)練精度高，同時(shí)運(yùn)行時(shí)間也提升了數(shù)百倍，滿足應(yīng)用的實(shí)時(shí)性需求.此外，機(jī)器學(xué)習(xí)中的強(qiáng)化學(xué)習(xí)也是解決計(jì)算資源分配的好策略，文獻(xiàn)[74]利用深度強(qiáng)化學(xué)習(xí)算法解決車輛邊緣計(jì)算系統(tǒng)中計(jì)算資源分配決策問(wèn)題，提出采用丟包正則化與雙深度Q網(wǎng)絡(luò)相結(jié)合的方法對(duì)深度強(qiáng)化學(xué)習(xí)算法進(jìn)行改進(jìn)，改進(jìn)后的深度強(qiáng)化學(xué)習(xí)算法能夠較好地逼近窮舉搜索方案的性能.文獻(xiàn)[75]提出了基于強(qiáng)化學(xué)習(xí)方法的多節(jié)點(diǎn)計(jì)算資源分配策略，以實(shí)現(xiàn)5G環(huán)境下移動(dòng)邊緣服務(wù)器端的負(fù)載均衡.

文獻(xiàn)[76]討論在工業(yè)物聯(lián)網(wǎng)(Industrial Internet of things，IIoT)場(chǎng)景下的計(jì)算資源分配問(wèn)題.作者將資源分配和網(wǎng)絡(luò)經(jīng)濟(jì)學(xué)相結(jié)合，提出了兩種在MEC中采用動(dòng)態(tài)定價(jià)的雙重拍賣方案，即基于盈虧平衡的雙重拍賣和基于動(dòng)態(tài)定價(jià)的雙重拍賣，仿真結(jié)果表明，所提出的兩種拍賣方案均可以顯著提高IIoT中MEC的系統(tǒng)效率.文獻(xiàn)[77]在計(jì)算時(shí)延受限的情況下，針對(duì)無(wú)限和有限邊界云計(jì)算能力的情況，將最優(yōu)計(jì)算資源分配問(wèn)題轉(zhuǎn)化為凸優(yōu)化問(wèn)題，并使用拉格朗日方法對(duì)其進(jìn)行求解.文獻(xiàn)[78]對(duì)天牛須粒子群算法進(jìn)行改進(jìn)，設(shè)計(jì)了一種邊緣計(jì)算中計(jì)算資源分配方案，以實(shí)現(xiàn)計(jì)算資源的協(xié)同調(diào)度.該方案具備較高的全局搜索能力且能充分滿足用戶的服務(wù)體驗(yàn)質(zhì)量.

MEC服務(wù)器的計(jì)算能力并不如云那般強(qiáng)大，其具有一定的能力限制，所以當(dāng)遇到任務(wù)計(jì)算需求與設(shè)備計(jì)算能力不匹配時(shí)，計(jì)算資源分配是必要的.以上對(duì)計(jì)算卸載中的計(jì)算資源分配的研究表明只要合理地分配計(jì)算資源則可以提高計(jì)算效率，大大降低計(jì)算延遲，給用戶和資源提供者帶去利益.

3.3.2 通信資源分配

文獻(xiàn)[79]通過(guò)最大化整個(gè)通信網(wǎng)絡(luò)的頻譜效率和系統(tǒng)容量，研究以信息為中心的無(wú)線網(wǎng)絡(luò)中資源分配的最佳策略.由于無(wú)線信道環(huán)境的未知性與隨機(jī)性，作者采用馬爾可夫決策過(guò)程對(duì)無(wú)線網(wǎng)絡(luò)環(huán)境下的資源分配問(wèn)題進(jìn)行建模.考慮連續(xù)值狀態(tài)和動(dòng)作變量作者提出了新的基于策略梯度的通信資源分配和功率控制方法.作者首先根據(jù)緩存內(nèi)容的位置來(lái)判斷通信模式應(yīng)選擇D2D模式還是蜂窩模式.其次，利用高斯分布設(shè)計(jì)參數(shù)化策略，以生成連續(xù)的隨機(jī)動(dòng)作來(lái)選擇功率.最后，使用Softmax函數(shù)來(lái)輸出信道選擇，以實(shí)現(xiàn)最大幅度地提高系統(tǒng)容量和頻譜效率的同時(shí)避免蜂窩用戶的彼此干擾.數(shù)值實(shí)驗(yàn)表明，該方法在啟用D2D的MEC系統(tǒng)中具有良好的表現(xiàn).

針對(duì)通信資源分配不公平和MEC網(wǎng)絡(luò)吞吐量最大化的問(wèn)題，文獻(xiàn)[80]采取納什議價(jià)博弈理論進(jìn)行解決.首先，引入分時(shí)變量，將離散問(wèn)題轉(zhuǎn)化為連續(xù)問(wèn)題；其次，基于最優(yōu)的時(shí)間分?jǐn)?shù)，提出了匈牙利算法和兩波段分割策略的通信資源分配算法，實(shí)現(xiàn)子信道匹配與用戶按優(yōu)先級(jí)傳輸，最大程度地滿足了用戶的時(shí)延要求以及提高了網(wǎng)絡(luò)的總吞吐量.實(shí)驗(yàn)結(jié)果顯示，該方案能顯著提高系統(tǒng)的整體效率，并確保各個(gè)用戶之間的公平性.文獻(xiàn)[81]將MEC中多用戶計(jì)算卸載的帶寬分配問(wèn)題定義為混合整數(shù)非線性規(guī)劃問(wèn)題，并運(yùn)用深度Q網(wǎng)絡(luò)的思想提出了一個(gè)尋求該問(wèn)題最優(yōu)解的有效算法，該算法具有穩(wěn)定的收斂性能，且結(jié)果具備準(zhǔn)確性.文獻(xiàn)[82]提出了在移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)中使用深度強(qiáng)化學(xué)習(xí)來(lái)分配通信網(wǎng)絡(luò)資源的策略.其解決了服務(wù)端到端的可靠性問(wèn)題，同時(shí)優(yōu)化了延遲沖突概率和解碼錯(cuò)誤概率.在AR場(chǎng)景中，文獻(xiàn)[83]結(jié)合信道增益與帶寬建立凸優(yōu)化資源分配模型，以實(shí)現(xiàn)用戶帶寬的最優(yōu)分配.文獻(xiàn)[84]提出一種非凸問(wèn)題的拉格朗日對(duì)偶法進(jìn)行計(jì)算卸載中的子載波選擇.

表2 三種類型資源分配比較Table 2 Comparison of three types of resource allocation

隨著信息時(shí)代的發(fā)展，信息數(shù)據(jù)量的爆炸性增長(zhǎng)導(dǎo)致數(shù)據(jù)上傳堵塞的情況頻發(fā)，這無(wú)疑給通信網(wǎng)絡(luò)施加了巨大的壓力.以上的研究對(duì)計(jì)算卸載中的通信資源進(jìn)行分配，減少了因數(shù)據(jù)量大而導(dǎo)致網(wǎng)絡(luò)擁塞的概率，緩解了網(wǎng)絡(luò)帶寬壓力.

3.3.3 聯(lián)合計(jì)算和通信資源分配

為了解決如何在多變的移動(dòng)邊緣計(jì)算環(huán)境下合理分配計(jì)算資源和網(wǎng)絡(luò)資源以滿足用戶需求的問(wèn)題，文獻(xiàn)[85]將軟件定義網(wǎng)絡(luò)技術(shù)運(yùn)用到MEC體系結(jié)構(gòu)中，對(duì)分布式網(wǎng)絡(luò)基礎(chǔ)設(shè)施進(jìn)行邏輯集中控制，為了減少深度強(qiáng)化學(xué)習(xí)中Q網(wǎng)絡(luò)參數(shù)更新和目標(biāo)Q值計(jì)算之間的依賴性，作者結(jié)合深度強(qiáng)化學(xué)習(xí)中的Nature DQN架構(gòu)提出了一種智能的基于深度強(qiáng)化學(xué)習(xí)理論制定的資源分配方案——DRLRA，該方案能夠自適應(yīng)地對(duì)網(wǎng)絡(luò)資源和計(jì)算資源進(jìn)行分配，減少平均服務(wù)時(shí)間，并可以在不同的MEC環(huán)境下平衡資源的使用.實(shí)驗(yàn)結(jié)果表明，在多變的MEC條件下，DRLRA的性能優(yōu)于傳統(tǒng)的OSPF算法.

物聯(lián)網(wǎng)中的移動(dòng)邊緣計(jì)算卸載具有實(shí)時(shí)性及復(fù)雜性等特點(diǎn)，文獻(xiàn)[86]提出使用聯(lián)邦學(xué)習(xí)來(lái)指導(dǎo)深度強(qiáng)化學(xué)習(xí)代理的計(jì)算與通信資源分配方案，該方案中聯(lián)邦學(xué)習(xí)利用本地化數(shù)據(jù)使物聯(lián)網(wǎng)系統(tǒng)更具認(rèn)知能力，并在不需要集中訓(xùn)練數(shù)據(jù)的情況下，使物聯(lián)網(wǎng)設(shè)備可以很好地學(xué)習(xí)并獲得一個(gè)共享深度強(qiáng)化學(xué)習(xí)代理.提出的聯(lián)邦學(xué)習(xí)優(yōu)化方案在實(shí)現(xiàn)計(jì)算與通信資源動(dòng)態(tài)自適應(yīng)分配的同時(shí)也解決了深度強(qiáng)化學(xué)習(xí)代理單獨(dú)在物聯(lián)網(wǎng)設(shè)備上訓(xùn)練時(shí)存在額外能量浪費(fèi)、訓(xùn)練耗時(shí)長(zhǎng)的不足.

移動(dòng)邊緣計(jì)算系統(tǒng)在時(shí)間和空間上均面臨著通信和計(jì)算資源的不均勻分布，為了業(yè)務(wù)匹配，相鄰的MEC系統(tǒng)可以協(xié)作共享其分布式通信和計(jì)算資源.文獻(xiàn)[87]考慮兩個(gè)MEC系統(tǒng)，這兩個(gè)MEC系統(tǒng)分別對(duì)應(yīng)兩個(gè)無(wú)線接入點(diǎn)(Access Point，AP)，每個(gè)AP服務(wù)于一個(gè)用戶模型，基于該模型作者提出了一種聯(lián)合計(jì)算和頻譜的合作方法，通過(guò)聯(lián)合優(yōu)化用戶的任務(wù)卸載決策和兩個(gè)系統(tǒng)之間共享的頻譜帶，最小化兩個(gè)MEC系統(tǒng)的能量消耗加權(quán)和.通過(guò)采用標(biāo)準(zhǔn)凸優(yōu)化技術(shù)，以半封閉形式獲得最優(yōu)解.數(shù)值結(jié)果表明，與其它非聯(lián)合設(shè)計(jì)的基準(zhǔn)方案相比，所提出的聯(lián)合設(shè)計(jì)方案使兩個(gè)系統(tǒng)的能耗均得到顯著下降.

文獻(xiàn)[88]研究能量收集小蜂窩網(wǎng)絡(luò)中的通信與計(jì)算資源分配問(wèn)題，由于無(wú)線通信環(huán)境的動(dòng)態(tài)特性，作者將該動(dòng)態(tài)資源分配問(wèn)題表示為馬爾可夫決策過(guò)程.針對(duì)馬爾可夫過(guò)程中狀態(tài)與動(dòng)作的連續(xù)性，作者提出了一種基于演員-評(píng)論家強(qiáng)化學(xué)習(xí)的在線資源分配算法.仿真結(jié)果表明，該算法能夠最大限度地提高M(jìn)EC服務(wù)器的任務(wù)執(zhí)行量，并降低系統(tǒng)的能耗與時(shí)延.

文獻(xiàn)[89]將物聯(lián)網(wǎng)環(huán)境下的計(jì)算與通信資源分配問(wèn)題描述為連續(xù)時(shí)間馬爾可夫決策過(guò)程，為解決馬爾可夫決策過(guò)程的維數(shù)曲線問(wèn)題，作者利用深度強(qiáng)化學(xué)習(xí)技術(shù)，提出一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)逼近系統(tǒng)狀態(tài)的值函數(shù)，從而使得提出的基于拍賣思想的半分布式資源分配算法得以實(shí)現(xiàn).文獻(xiàn)[90]設(shè)計(jì)了一種通信和計(jì)算資源聯(lián)合分配的卸載方案，在單個(gè)MEC服務(wù)器和多個(gè)移動(dòng)終端設(shè)備的場(chǎng)景下，卸載方案依據(jù)待計(jì)算任務(wù)隊(duì)列的長(zhǎng)度以及無(wú)線電信道狀態(tài)判斷是否執(zhí)行卸載.文獻(xiàn)[91]構(gòu)建了一種基于軟件定義網(wǎng)絡(luò)技術(shù)輔助的MEC車載網(wǎng)絡(luò)架構(gòu)，提出了一種結(jié)合Agglomerative Clustering和Q-learning算法的資源分配機(jī)制，以實(shí)現(xiàn)對(duì)車載網(wǎng)絡(luò)中的無(wú)線信道分配、傳輸功率分配與計(jì)算資源調(diào)度的聯(lián)合優(yōu)化.文獻(xiàn)[92]將計(jì)算卸載問(wèn)題表述為無(wú)線電與計(jì)算資源聯(lián)合優(yōu)化問(wèn)題，提出的迭代算法依據(jù)無(wú)線鏈路傳輸任務(wù)的矩陣預(yù)編碼信息將MEC計(jì)算節(jié)點(diǎn)上的計(jì)算資源分配給各個(gè)卸載任務(wù)以實(shí)現(xiàn)計(jì)算的聯(lián)合優(yōu)化.文獻(xiàn)[93]基于分治思想提出一種根據(jù)用戶綜合需求變化的動(dòng)態(tài)計(jì)算資源與頻譜分配算法.

計(jì)算資源和通信資源是移動(dòng)邊緣計(jì)算中兩類重要的資源，以上總結(jié)的文獻(xiàn)中，研究者們將這兩種資源聯(lián)合起來(lái)進(jìn)行分配，使系統(tǒng)資源利用率得到提升的同時(shí)也實(shí)現(xiàn)對(duì)任務(wù)處理速率的提高以及緩解數(shù)據(jù)對(duì)通信網(wǎng)絡(luò)的壓力.

4 發(fā)展趨勢(shì)和展望

通過(guò)將終端設(shè)備上的計(jì)算任務(wù)卸載到可提供資源的網(wǎng)絡(luò)邊緣計(jì)算節(jié)點(diǎn)進(jìn)行處理的方案有助于提高計(jì)算效率，減輕移動(dòng)設(shè)備的負(fù)擔(dān)和緩解通信網(wǎng)絡(luò)的帶寬壓力.目前移動(dòng)邊緣計(jì)算卸載技術(shù)研究已經(jīng)取得了極大的進(jìn)展，但仍然存在挑戰(zhàn)，具有很大的探索潛力.

4.1 卸載決策算法

隨著邊緣計(jì)算的發(fā)展，作為邊緣計(jì)算關(guān)鍵技術(shù)之一的計(jì)算卸載近年來(lái)也受到了許多國(guó)內(nèi)外研究者們的廣泛關(guān)注.研究人員們基于拍賣理論、博弈論和匹配理論等傳統(tǒng)的方法提出了一系列計(jì)算卸載決策算法[40,50,76]，其在時(shí)延、能耗和效用等性能方面均有良好的表現(xiàn).然而，隨著移動(dòng)邊緣計(jì)算應(yīng)用場(chǎng)景的不斷擴(kuò)展，計(jì)算卸載的環(huán)境越來(lái)越復(fù)雜，傳統(tǒng)的卸載策略不能根據(jù)環(huán)境的變化對(duì)策略進(jìn)行調(diào)整，不能實(shí)現(xiàn)長(zhǎng)期績(jī)效.為了使卸載決策對(duì)實(shí)時(shí)變化的環(huán)境具有更高的適應(yīng)能力，近年來(lái)，越來(lái)越多研究人員將強(qiáng)化學(xué)習(xí)理論應(yīng)用于邊緣計(jì)算卸載策略[39,55,85]，強(qiáng)化學(xué)習(xí)可以感知環(huán)境，并通過(guò)與環(huán)境進(jìn)行交互作出決策，更適合實(shí)時(shí)變換的環(huán)境.然而，由于時(shí)變環(huán)境的高復(fù)雜性，使得現(xiàn)有的基于深度強(qiáng)化學(xué)習(xí)的卸載方法中的動(dòng)作空間普遍為高維空間，這導(dǎo)致對(duì)動(dòng)作空間的探索變得復(fù)雜，從而使得算法收斂速度緩慢.所以設(shè)計(jì)新的計(jì)算卸載策略以填補(bǔ)現(xiàn)有方案的漏洞是必須進(jìn)行的研究之一.

對(duì)于研究新型計(jì)算卸載策略主要有以下兩個(gè)方向：一是對(duì)現(xiàn)有的計(jì)算卸載算法進(jìn)行改進(jìn)與優(yōu)化，如：深度強(qiáng)化學(xué)習(xí)中對(duì)動(dòng)作空間進(jìn)行探索時(shí)普遍使用的是貪婪算法，其不適合對(duì)高維度動(dòng)作空間進(jìn)行探索，會(huì)導(dǎo)致深度強(qiáng)化學(xué)習(xí)算法的收斂速度緩慢.因此可以考慮對(duì)深度強(qiáng)化學(xué)習(xí)算法中的探索動(dòng)作空間的部分算法進(jìn)行改進(jìn)優(yōu)化，可以采用經(jīng)典的探索算法，例如：蟻群算法、遺傳算法等去進(jìn)行動(dòng)作空間的探索.二是尋找其它適合應(yīng)用于移動(dòng)邊緣計(jì)算卸載領(lǐng)域的算法.模仿學(xué)習(xí)是一個(gè)值得考慮的方向，模仿學(xué)習(xí)是一種以仿效榜樣的行為方式為特征的學(xué)習(xí)模式，通過(guò)給予一定的范例來(lái)使代理學(xué)習(xí)作出決策來(lái)緩解因高維動(dòng)作空間導(dǎo)致收斂慢的問(wèn)題，且適合動(dòng)態(tài)環(huán)境.

4.2 安全性

安全性問(wèn)題在移動(dòng)邊緣計(jì)算卸載中是需要重點(diǎn)考慮的技術(shù)難點(diǎn)[94-96].MEC的分布式部署導(dǎo)致單點(diǎn)防御能力薄弱，單點(diǎn)被攻破則可能導(dǎo)致全局系統(tǒng)的淪陷.此外，隨著互聯(lián)網(wǎng)技術(shù)和邊緣計(jì)算的高速發(fā)展，基于MEC的內(nèi)容共享、計(jì)算協(xié)作以及數(shù)據(jù)和信息交互等功能已顯著增加，而此類功能多采用多用戶交互的模式，可能會(huì)出現(xiàn)惡意用戶從數(shù)據(jù)交互中竊取用戶隱私或利用服務(wù)平臺(tái)漏洞攻擊網(wǎng)絡(luò)的情況.因此，設(shè)計(jì)合理的安全措施以保障數(shù)據(jù)、系統(tǒng)以及個(gè)人隱私等的安全是尤為重要的.另外，由于邊緣計(jì)算卸載將卸載任務(wù)遷移至復(fù)雜性更高的邊緣網(wǎng)絡(luò)環(huán)境中，使得大部分原來(lái)用于解決云計(jì)算安全性問(wèn)題的方案對(duì)移動(dòng)邊緣計(jì)算都不再奏效.所以，在MEC中如何確保數(shù)據(jù)信息的安全，從而保障用戶以及企業(yè)的隱私安全仍然是一個(gè)待解決問(wèn)題.

針對(duì)以上MEC中的安全性問(wèn)題，一方面可以從加強(qiáng)安全性方面考慮MEC的架構(gòu)設(shè)計(jì)，從根基上保障MEC的安全；另一方面，MEC可以聯(lián)合各式各樣的安全性解決方案(如：身份簽名、數(shù)據(jù)訪問(wèn)控制等)對(duì)MEC安全性解決方案進(jìn)行設(shè)計(jì)，通過(guò)各項(xiàng)方案之間安全性能的優(yōu)勢(shì)互補(bǔ)為系統(tǒng)提供有效的安全保護(hù).此外，基于MEC的計(jì)算卸載以及在某些私有網(wǎng)絡(luò)場(chǎng)景下，用戶的隱私保護(hù)問(wèn)題尤為重要，由于隱私保護(hù)類屬于定制型服務(wù)，隱私保護(hù)的需求在不同的業(yè)務(wù)或用戶之間存在不同程度的差異，所以可參考將受信平臺(tái)模塊等隱私保護(hù)實(shí)體引入MEC網(wǎng)絡(luò)的思路，以解決隱私保護(hù)問(wèn)題.

4.3 卸載節(jié)點(diǎn)發(fā)現(xiàn)

在移動(dòng)邊緣計(jì)算卸載新范式中，移動(dòng)終端設(shè)備、基站、路邊單元等均可以成為邊緣計(jì)算卸載節(jié)點(diǎn).前期的計(jì)算卸載研究中認(rèn)為場(chǎng)景中具有計(jì)算能力的邊緣節(jié)點(diǎn)均可成為當(dāng)前卸載任務(wù)的邊緣計(jì)算節(jié)點(diǎn)，這種設(shè)定僅僅適用于小場(chǎng)景.然而，隨著邊緣計(jì)算卸載應(yīng)用場(chǎng)景的不斷擴(kuò)大，在移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)中并非所有的設(shè)備服務(wù)器都具有可以成為當(dāng)前卸載任務(wù)的邊緣計(jì)算節(jié)點(diǎn)的條件，這使得制定合理的候選卸載節(jié)點(diǎn)發(fā)現(xiàn)機(jī)制成為一個(gè)發(fā)展趨勢(shì).最近一些研究成果[39,97]多集中在車輛網(wǎng)絡(luò)場(chǎng)景中，其依據(jù)車輛運(yùn)動(dòng)方向一致性原則或者根據(jù)泊松定理計(jì)算出的狀態(tài)轉(zhuǎn)移矩陣來(lái)確定候選卸載節(jié)點(diǎn).然而，以上對(duì)卸載節(jié)點(diǎn)發(fā)現(xiàn)機(jī)制的設(shè)定都過(guò)于理想型化，導(dǎo)致候選卸載節(jié)點(diǎn)的遺漏，從而使得卸載決策達(dá)不到最優(yōu).所以，制定符合場(chǎng)景需求且合理的卸載節(jié)點(diǎn)發(fā)現(xiàn)機(jī)制有助于計(jì)算卸載策略的優(yōu)化.

對(duì)于如何制定合理的卸載節(jié)點(diǎn)發(fā)現(xiàn)機(jī)制，我們有如下考慮：由于計(jì)算節(jié)點(diǎn)的計(jì)算能力與應(yīng)用服務(wù)、通信范圍以及通信連接時(shí)間等因素均可影響任務(wù)計(jì)算卸載節(jié)點(diǎn)的選擇，因此可以聯(lián)合這些決定因素制定卸載節(jié)點(diǎn)的篩選規(guī)則以確定符合條件的候選邊緣計(jì)算節(jié)點(diǎn)進(jìn)行卸載策略，或者以這些決定因素作為屬性特征，利用聚類算法將邊緣計(jì)算節(jié)點(diǎn)進(jìn)行聚類，不同的任務(wù)選取對(duì)應(yīng)符合其需求的類別節(jié)點(diǎn)進(jìn)行卸載.

4.4 計(jì)算卸載數(shù)據(jù)的依賴性

數(shù)據(jù)依賴性問(wèn)題已普遍存在于各個(gè)與數(shù)據(jù)相關(guān)的領(lǐng)域.在計(jì)算卸載中執(zhí)行部分卸載時(shí)，各部分模塊的數(shù)據(jù)可能是相互獨(dú)立的也可能是相互依賴的[38]，或一個(gè)復(fù)雜的應(yīng)用服務(wù)中包含的多個(gè)任務(wù)之間也可能存在數(shù)據(jù)依賴.由于最佳數(shù)據(jù)依賴解決方案必須了解資源需求、訪問(wèn)網(wǎng)絡(luò)、用戶移動(dòng)性以及重要數(shù)據(jù)的依賴關(guān)系，因此，如何將多個(gè)數(shù)據(jù)依賴子任務(wù)進(jìn)行卸載并保證卸載質(zhì)量是移動(dòng)邊緣計(jì)算卸載面臨的嚴(yán)峻挑戰(zhàn)之一[98].目前，計(jì)算卸載策略的研究中多認(rèn)為卸載部分之間是相互獨(dú)立的，鮮少有考慮數(shù)據(jù)依賴關(guān)系的卸載決策方案.然而，在萬(wàn)物互聯(lián)的時(shí)代，任務(wù)之間的數(shù)據(jù)存在依賴關(guān)系是不可避免的情況.數(shù)據(jù)依賴關(guān)系如何描述以及如何在數(shù)據(jù)依賴約束下制定合理的計(jì)算卸載決策方案仍是待解決的問(wèn)題.

基于以上問(wèn)題我們可以考慮利用有向無(wú)環(huán)圖對(duì)各個(gè)子任務(wù)之間的數(shù)據(jù)依賴關(guān)系進(jìn)行表述，以獲得子任務(wù)的執(zhí)行順序、狀態(tài)量遷移與網(wǎng)絡(luò)帶寬等約束，然后基于所獲得的約束采用機(jī)器學(xué)習(xí)等方法制定合適的計(jì)算卸載決策方案.

綜上所述，移動(dòng)邊緣計(jì)算在移動(dòng)網(wǎng)絡(luò)邊緣提供存儲(chǔ)、計(jì)算、通信與網(wǎng)絡(luò)資源，計(jì)算卸載通過(guò)將計(jì)算任務(wù)卸載到網(wǎng)絡(luò)邊緣進(jìn)行處理大大地減少任務(wù)處理時(shí)延的同時(shí)也滿足了綠色通信所提出的要求，提高了服務(wù)質(zhì)量.雖然，目前提出的計(jì)算卸載策略在時(shí)延、能耗以及效用利益等性能方面均具有良好的表現(xiàn)，但是這些策略仍存在局限性，傳統(tǒng)方法受限于環(huán)境的動(dòng)態(tài)性、機(jī)器學(xué)習(xí)的收斂速度慢等因素都提醒我們需要考慮新的卸載決策算法以解決現(xiàn)有方案存在的問(wèn)題.此外，MEC的安全性問(wèn)題也是一個(gè)迫切需要討論研究的實(shí)質(zhì)性問(wèn)題，為了保持安全通信以及保障系統(tǒng)安全，我們需要從各個(gè)層級(jí)的安全性問(wèn)題出發(fā)制定適用于MEC的安全管理機(jī)制.同時(shí)，隨著邊緣計(jì)算應(yīng)用場(chǎng)景的不斷擴(kuò)大，任務(wù)可選擇卸載的計(jì)算節(jié)點(diǎn)不再全局化，需要卸載節(jié)點(diǎn)發(fā)現(xiàn)機(jī)制來(lái)確定任務(wù)的卸載節(jié)點(diǎn)集合.數(shù)據(jù)依賴分為外部依賴和內(nèi)部依賴，這對(duì)于任務(wù)卸載都是非常棘手的問(wèn)題，在大數(shù)據(jù)時(shí)代，數(shù)據(jù)依賴關(guān)系需要被考慮.在實(shí)現(xiàn)MEC的廣泛應(yīng)用之前，移動(dòng)邊緣計(jì)算以及計(jì)算卸載等邊緣計(jì)算關(guān)鍵技術(shù)的解決策略在算法設(shè)計(jì)、安全性、卸載節(jié)點(diǎn)發(fā)現(xiàn)、數(shù)據(jù)依賴等方面仍然需要做更進(jìn)一步的研究.

5 總 結(jié)

近幾年來(lái)，面向移動(dòng)邊緣計(jì)算的研究備受業(yè)界人士的矚目，MEC已成為移動(dòng)網(wǎng)絡(luò)領(lǐng)域中的研究重點(diǎn).作為MEC關(guān)鍵技術(shù)之一，計(jì)算卸載對(duì)解決移動(dòng)設(shè)備在計(jì)算功能以及資源存儲(chǔ)等方面存在的不足和提高業(yè)務(wù)與服務(wù)性能等方面做出了重大的貢獻(xiàn).本文重點(diǎn)介紹了面向移動(dòng)邊緣計(jì)算環(huán)境下的計(jì)算卸載方面的研究現(xiàn)狀，并對(duì)目前計(jì)算卸載技術(shù)仍存在的問(wèn)題與挑戰(zhàn)進(jìn)行了總結(jié)以及分析和展望了計(jì)算卸載技術(shù)未來(lái)的發(fā)展方向.希望本文能為相關(guān)領(lǐng)域的學(xué)者以及未來(lái)的研究工作提供一定的參考和幫助.