.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
移动边缘计算（MEC）旨在通过将移动设备（MDs）的任务卸载到位于网络边缘的MEC服务器，来降低运行移动应用程序的响应时间和能耗。需求具有多属性，其中MDs与接入点之间的距离导致了所需资源和传输能耗的差异。然而，现有研究尚未同时考虑任务分配和能耗问题。受此启发，本文研究了多属性任务分配问题，该问题包括胜者确定和卸载决策问题。首先，将问题建模为基于拍卖的模型以提供灵活服务。然后，设计了一种随机机制，其期望中是策略proof的。这驱动系统达到一种均衡状态，即没有任何MD有动机通过声明虚假价值来增加效用。此外，提出了一个近似算法以最小化远程能耗，且是一个多项式时间近似方案。因此，它在最优性损失和时间复杂度之间实现了权衡。仿真结果表明，所提出的机制实现了近最优分配。此外，与基线方法相比，所提出的机制能够有效提高社会福利，并为边缘服务器提供商带来更高的收益。
Keyword:
Mobile edge computing
Truthfulness
Resource allocation
Energy consumption
Mechanism design
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
6.1
论文数:
109
被引数:
9.5K
机构
引用论文
Incentive-Driven Task Allocation for Collaborative Edge Computing in Industrial Internet of Things激励驱动的工业物联网协同边缘计算任务分配.png)
.png){kind=icon}
PREAI
.png){kind=icon}
分享.png){kind=icon}
收藏分享收藏Incentive Mechanism and Resource Allocation for Collaborative Task Offloading in Energy-Efficient Mobile Edge Computing高能效移动边缘计算协同任务卸载的激励机制与资源分配
PREAI
分享收藏
查看更多内容