AoI-Oriented Computation Offloading and Resource Allocation for End-Edge-Cloud Computing Systems

doi:10.1109/JIOT.2025.3591682

AoI-Oriented Computation Offloading and Resource Allocation for End-Edge-Cloud Computing Systems

2025-09-27

0

PRE

AI

DOI：10.1109/JIOT.2025.3591682

原文链接

原文求助

摘要

En 中文

随着智能移动应用对及时情境感知和能源效率的需求日益增长，信息年龄（AoI）指标在保持数据新鲜度方面发挥着关键作用。这种需求进一步得到端-边-云计算（EECC）范式的支持，该范式通过促进任务卸载到边缘或云端来提升应用性能。然而，现有的AoI优化方案仅关注任务卸载，常常忽略系统资源分配和能源效率等关键方面，这可能导致资源浪费、能源消耗增加、服务质量（QoS）受损以及系统性能下降。因此，本文研究了EECC系统中任务卸载、通信和计算资源分配的联合优化，旨在在满足截止时间约束和容量限制的条件下最小化AoI和能源消耗。为解决此问题，我们根据所研究问题的特性将决策空间划分为多个不相交的决策区域，并设计了基于慢速移动粒子群优化（SPSO）的任务卸载和资源分配算法，以分别处理每个决策区域。在算法设计中，我们为该优化问题定制了位置、速度、更新规则和适应度函数。最终，大量的仿真和实验平台测试结果证明，所提出的算法相较于现有算法可节省最高达14.56%的能源消耗，缩短最高达27.80%的AoI，并提高最高达15.89%的效用（AoI和能源消耗的加权和）。

Keyword:

Age of Information (AoI)

computation offloading

end–edge–cloud computing (EECC)

resource allocation

AoI-Oriented Computation Offloading and Resource Allocation for End-Edge-Cloud Computing Systems

摘要

期刊

机构

引用论文