论文部分内容阅读
移动边缘计算通过将计算资源迁移至网络边缘来降低时延、缩减能耗，但与云计算相比，边缘计算的计算资源有限，不能满足所有移动服务的需求，针对上述问题，本文提出一种云辅助移动边缘计算（CAME）的计算卸载策略。通过将移动服务建模为具有优先约束关系的工作流模型来分析系统运行过程中的时延和能耗；以系统总代价(时延和能耗的加权和)最小化为研究目标；以遗传算法作为基础算法，部分改进传统遗传算法的编码、交叉、变异等操作，设计了基于改进遗传算法的计算卸载算法(CAMEGA)。仿真结果表明：与All-Local算法、Random算法、ECGA算法相比，CAMEGA算法的系统总代价最小，约为All-Local算法的8.4%、Random算法的43.7%、ECGA算法的30%。