Throughput-Aware Cooperative Task Offloading in Dynamic Mobile Edge Computing Systems

doi:10.1109/TMC.2025.3592450

Throughput-Aware Cooperative Task Offloading in Dynamic Mobile Edge Computing Systems

2025-07-24

0

PRE

AI

DOI：10.1109/TMC.2025.3592450

原文链接

原文求助

摘要

En 中文

随着第五代（5G）移动通信技术的商业化以及移动设备（MDs）的快速普及，数据计算需求正急剧增长。这一增长增加了移动设备对低延迟和高吞吐量的依赖。为此，移动边缘计算（MEC）通过将计算任务卸载到网络边缘的服务器来增强用户的数据处理能力。然而，由于决策复杂性、网络动态性以及用户数据隐私保护等因素，实现高效的任务卸载具有挑战性。此外，能量因果约束以及卸载比例与资源分配之间的耦合效应也不容忽视。本文首先建立一个动态任务卸载问题以优化系统的长期吞吐量。利用扰动李雅普诺夫优化，我们将移动设备的延迟和能量阈值约束转化为相应虚拟队列的稳定性控制。然后，我们提出了一种基于李雅普诺夫的联邦深度强化学习（DRL）在线任务卸载算法LyFOTO，该算法结合了联邦学习（FL）框架和演员-评论家（AC）模型。在良好的通信条件下，LyFOTO算法能够自适应地提升系统吞吐量；在较差的条件下，它会合理地延迟任务卸载，同时不违反队列积压约束。通过数学分析，我们讨论了LyFOTO算法的性能。仿真实验验证了LyFOTO能够有效平衡系统吞吐量与设备电池能量。最后，比较结果表明，LyFOTO在确保任务积压和能量阈值约束的前提下，在最大化系统吞吐量方面优于其他基准算法。

Keyword:

Deep reinforcement learning

federated learning (FL)

Lyapunov optimization

mobile edge computing (MEC)

task offloading

Throughput-Aware Cooperative Task Offloading in Dynamic Mobile Edge Computing Systems

摘要

期刊

机构