论文部分内容阅读
计算卸载作为移动边缘计算的核心技术之一,有效缓解了移动设备处理计算密集型任务的压力,为降低能量消耗和任务执行延迟提供了可能.计算卸载的资源分配是一个优化问题,其计算量大,复杂度高,阻碍了其在实际情况下的应用.针对以上问题,提出一种基于无监督学习的多用户移动边缘计算卸载框架,通过将任务卸载到边缘服务器执行来降低移动设备能耗.在满足时延约束和发射功率约束的条件下,通过联合优化移动边缘计算系统的卸载决策和资源分配,使移动设备的能量消耗加权和最小.仿真结果表明,在计算复杂度较低的情况下,经过训练的卸载网络能够有效解决移动设备上计算密集型任务的计算卸载和资源分配问题.