系统工程与电子技术

作者：邹虹, 白陈阳, 何鹏, 崔亚平, 王汝言, 吴大鹏

单位：1. 重庆邮电大学通信与信息工程学院, 重庆 400065；2. 重庆高校市级光通信与网络重点实验室, 重庆 400065；3. 泛在感知与互联重庆市重点实验室, 重庆 400065

关键词：移动边缘计算,服务放置,资源分配,深度学习

基金：国家自然科学基金(61901070);国家自然科学基金(61871062);国家自然科学基金(61771082);国家自然科学基金(61801065);国家自然科学基金(62061007);国家自然科学基金(U20A20157);重庆市教育委员会科学技术研究项目(KJQN201900611);重庆市教育委员会科学技术研究项目(KJQN202000603);重庆市自然科学基金面上项目(cstc2021jcyj-msxmX0892);重庆市高校创新研究群体(CXQT20017);重庆市自然科学基金重

针对移动边缘计算网络中不合理的服务放置和资源分配所导致的服务质量下降问题, 提出了一种基于分布式深度学习的边缘服务放置策略。首先, 以最小化所有用户服务请求时延与加权服务放置成本总和为优化目标, 将优化问题建模为混合整数非线性规划问题。其次, 在给定服务放置策略情况下, 利用凸优化理论求解出边云最优的计算资源分配方案。最后, 利用分布式深度学习解决了服务放置问题。理论证明及仿真结果表明, 所提策略能够有效降低用户服务请求时延和应用服务提供商的服务放置成本, 并且逐渐逼近全局最优的服务放置策略。

来源：2022年第5期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第5期