Joint Wireless Source Management and Task Offloading in Ultra-Dense Network
Joint Wireless Source Management and Task Offloading in Ultra-Dense Network
复制标题
超密集网络中的联合无线资源管理和任务卸载
DOI：
10.1109/access.2020.2980032
复制
发表时间：
2020-03
期刊：
影响因子：
3.9
通讯作者：
Shuyu Wang
中科院分区：
文献类型：
--
作者：
Shanchen Pang;Shuyu Wang
基于移动边缘计算（MEC）的超密集网络（UDN）是实现5G通信低时延、提升用户体验质量的重要技术。然而，在无线资源有限的情况下，如何提高任务卸载效率是UDN研究的热点问题。在本文中，我们提出了一种启发式任务卸载算法HTOA来优化UDN中卸载任务的延迟和能耗。首先，建立了MEC资源分配的凸规划模型，以获得卸载任务的最优资源分配集，并优化卸载任务的执行延迟；其次，采用贪心策略和黄金分割法解决联合信道分配和用户上传功率控制问题，以优化任务上传数据的延迟和能耗。与随机任务卸载算法相比，数值仿真结果表明，HTOA算法可以有效降低任务卸载的延迟和能耗，并且随着用户数量的增加性能更好。
The ultra-dense network (UDN) based on mobile edge computing (MEC) is an important technology, which can achieve the low-latency of 5G communications and enhance the quality of user experience. However, how to improve the task offloading efficiency is a hot topic of UDN under the constraint on the limited wireless resources. In this article, we propose a heuristic task offloading algorithm HTOA to optimize the delay and energy consumption of offloading tasks in UDN. Firstly, a convex programming model for MEC resource allocation is established, which aims to obtain the optimal allocation set of resources for offloading tasks, and optimize the execution delay of offloading tasks. Followed by, the problem of joint channel allocation and user upload power control is solved by the greedy strategy and golden section method, which aims to optimization the delay and energy consumption of task upload data. Compared with the random task offloading algorithm, numerical simulations show that the algorithm HTOA can effectively reduce the delay and energy consumption of task offloading, and perform better as the number of users increases.
登录
查看更多内容
云环境下基于行为的可信服务组合发现方法
影响因子：
3.9
作者：
Pang Shanchen;Gao Qian;Liu Ting;He Hua;Xu Guangquan;Liang Kaitai
通讯作者：
Liang Kaitai
5G 流量管理系统的联合计算卸载、功率分配和信道分配
影响因子：
12.3
作者：
Ning, Zhaolong;Wang, Xiaojie;Xia, Feng
通讯作者：
Xia, Feng
DOI：
10.4018/978-1-59140-817-8.ch016
发表时间：
2008
期刊：
--
影响因子：
--
作者：
John Goh;D. Taniar
通讯作者：
John Goh;D. Taniar
移动边缘计算卸载中资源分配的延迟优化
影响因子：
10.4
作者：
Ren, Jinke;Yu, Guanding;He, Yinghui
通讯作者：
He, Yinghui
邻近云中的多用户联合任务卸载和资源优化
影响因子：
6.8
作者：
Lyu, Xinchen;Tian, Hui;Zhang, Ping
通讯作者：
Zhang, Ping