Efficient base station deployment for edge computing: An outermost-users-first heuristic approach

Bo Wang

doi:10.1016/j.future.2026.108831

Efficient base station deployment for edge computing: An outermost-users-first heuristic approach

2026-10-06

0

PRE

AI

DOI：10.1016/j.future.2026.108831

原文链接

原文求助

摘要

En 中文

基站（BS）的高效部署是建立可靠且经济高效的边缘计算网络的基础。主要挑战在于几何覆盖模型下，使用最少数量的基站实现对计划用户位置的全覆盖，这一问题因现实场景中用户地理分布不均而加剧，稀疏分布的边缘用户常被忽视。为解决此问题，本文将基站部署建模为组合优化问题，并提出一种新型启发式策略，优先通过凸包算法识别外围用户并覆盖，再处理内部区域。这种“由外向内”的方法系统性地最小化覆盖缺口和冗余部署，在假设模型下确保对给定用户分布的全覆盖。该方法与包括聚类方法、经典启发式算法和元启发式算法在内的多种基线算法进行对比，使用两个真实数据集和一个合成数据集进行评估。实验结果表明，该方法在所有数据集和不同规模下始终以最少的基站数量实现输入用户分布的全覆盖。其性能稳健且随问题规模增长可预测地扩展，显著优于其他所有方法。值得注意的是，与通用元启发式算法的性能波动不同，该领域特定设计在此空间受限规划问题中表现出更高的可靠性和效率。这些发现证实，精心设计的领域相关启发式算法能在复杂基础设施部署任务中超越通用优化算法。本研究为边缘计算规划提供了实用且优越的解决方案，并突显了未来研究中将此类启发式规则融入混合优化框架的潜力。

Efficient base station deployment for edge computing: An outermost-users-first heuristic approach

摘要

期刊

机构

引用论文