.png){kind=icon}
返回
Energy-aware computation offloading for time-constrained tasks in cloud-edge-end collaborative computing environment
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2026.108595.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云-边缘-端（CEE）协同计算环境为移动用户提供不间断的计算、存储和网络传输服务。在此背景下，移动设备常常面临性能与能耗平衡的挑战。为降低移动设备能耗，任务常被卸载至远程服务器，但这可能导致时间敏感任务因数据传输开销而错过截止时间。因此，探索能耗与任务可调度性平衡的方法具有重要意义。本文研究了CEE环境中时间受限任务的计算卸载，旨在寻找能联合优化系统能耗和任务可调度性的最优方案。为此，提出了一种基于改进遗传算法（IGA）的计算卸载策略。IGA引入了由单步转移规则控制的邻域搜索操作。在遗传算法（GA）的每次迭代后，该操作通过在每条染色体的邻域内搜索局部最优解来优化种群，从而在保留GA全局搜索能力的同时增强局部探索能力。大量仿真结果表明，所提出的IGA在所有测试规模（20-200任务）下均优于先进基准算法，能耗节省显著，相较于文化算法（MA-SA和MA-2OPT）和基于NSGA-III的方法（COM）超过20%。在可调度性方面，IGA的性能与贪婪启发式算法相当，并优于其他元启发式算法。
Keyword:
Computation offloading
Energy consumption
Task schedulability
Cloud-edge-end computing
Genetic algorithm
