...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE communications letters >Joint Service Caching and Task Offloading in Multi-Access Edge Computing: A QoE-Based Utility Optimization Approach
【24h】

Joint Service Caching and Task Offloading in Multi-Access Edge Computing: A QoE-Based Utility Optimization Approach

机译：多址边缘计算中的联合服务缓存和任务卸载：基于QoE的实用程序优化方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In multi-access edge computing (MEC), computation tasks offloaded from users are usually associated with specific services that need to be cached in MEC nodes to enable task execution. The decisions as to which services to cache and which tasks to execute on each resource-limited MEC node are critical to maximizing the offloading efficiency. Moreover, quality of experience (QoE) is a key factor driving offloading decisions, so that limited computing resources can be effectively utilized to keep users satisfied. Therefore, in this letter, we introduce a new QoE-based utility optimization approach to address the problem of joint service caching and task offloading in MEC systems. Our utility model reflects the trade-off between the user's perception of service latency and the cost the user pays for the allocated computing resources. We formulate total utility maximization as an integer nonlinear programming problem and propose a genetic-based algorithm to solve it efficiently. Finally, evaluation results show that our proposal can significantly improve total user utility over traditional baselines.
机译：在多访问边缘计算（MEC）中，从用户卸载的计算任务通常与需要在MEC节点中缓存的特定服务相关联，以启用任务执行。对缓存的服务以及在每个资源限制的MEC节点上执行哪些任务的决策对于最大化卸载效率至关重要。此外，经验质量（QoE）是驱动卸载决策的关键因素，从而可以有效地利用有限的计算资源来使用户满足。因此，在这封信中，我们介绍了一种新的基于QoE的实用程序优化方法，以解决MEC系统中的联合服务缓存和任务卸载问题。我们的实用新型反映了用户对服务延迟的看法之间的权衡，并且用户支付分配的计算资源的费用。我们将总实用程序最大化为整数非线性编程问题，并提出基于遗传的算法，以有效地解决它。最后，评估结果表明，我们的提案可以显着改善传统基线的总用户效用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号