12、多目标优化：无人机调度与移动边缘计算云小站部署

多目标优化：无人机调度与移动边缘计算云小站部署

1. 引言

随着物联网技术的发展，智能设备和应用日益增多。若在远程中央云运行应用，网络拥塞等因素会导致任务响应延迟增大。为解决这一问题，移动边缘计算系统（MECS）应运而生，它由多个云小站组成，能降低任务响应延迟和网络流量，是应对移动设备和物联网应用挑战的关键技术。

在智慧城市等应用中，云小站可与基站共址处理物联网设备产生的大量数据，也可部署在重要场所为智能终端提供计算资源。然而，在这些应用中，需要优化用户的能源消耗、任务响应延迟以及云小站的部署数量。

一方面，一些移动应用计算密集，执行时能耗大，用户设备可将非紧急任务卸载到云小站以节省能源、延长使用寿命。另一方面，虽然在云小站执行任务可能因传输、路由和执行等待时间长而导致响应延迟增加，但合理的云小站部署和任务卸载策略能在能源消耗和任务响应延迟之间取得良好平衡。

此外，云小站的部署成本与用户体验质量（QoE）也需要平衡。部署更多云小站可容纳更多卸载任务、节省用户能源、减少任务路由和运行时间，但会增加部署成本。因此，云小站部署和任务卸载应联合优化。

现有的云小站部署工作大多只关注部署成本或任务响应延迟的最小化，忽略了用户能源消耗的优化；而研究任务卸载策略的工作又未考虑云小站部署成本。且多数现有工作采用加权和方法处理多目标优化问题，难以选择合适的加权系数。

为此，本文研究了移动边缘计算中云小站部署和任务卸载的多目标优化问题（MOCT），旨在同时优化用户的能源消耗、任务完成延迟和网络部署成本，找到一组帕累托最优解。

2. 相关工作概述

MECS 能为用户提供计算资源，要降低用户的能源消耗