15、3C联合优化：提升移动边缘计算无线蜂窝网络性能

3C联合优化：提升移动边缘计算无线蜂窝网络性能

1. 引言

随着智能手机的日益普及，人脸识别、自然语言处理、增强现实等新型移动应用不断涌现。然而，传统的无线蜂窝网络已难以满足用户对高数据速率和高计算能力的指数级增长需求。

为解决数据速率问题，人们提出了异构网络结构，即在一个宏小区中部署多个低功率、增强局部覆盖的小小区。小小区网络能够共享相同的无线电资源，被认为是提高频谱效率和能源效率的有效方案，也是下一代无线蜂窝网络的关键组成部分。但频谱复用可能导致严重的小区间干扰，若缺乏有效的频谱资源分配机制，网络的整体频谱效率和能源效率可能会比没有小小区的网络更差。为解决频谱分配问题，有人提出了图着色方法来为用户设备（UE）分配物理资源块（PRBs），也有人基于博弈论提出了频谱分配算法，使PRB分配达到博弈的纳什均衡。

另一方面，为解决计算能力问题，移动云计算（MCC）系统应运而生，让移动设备能够利用云端强大的计算能力。为进一步降低延迟并提高经济性，雾计算和移动边缘计算（MEC）技术相继出现。MEC允许UE将计算任务通过无线蜂窝网络卸载到MEC服务器，每个UE在MEC服务器上都有一个对应的克隆体来执行计算任务。此前已有许多研究从降低延迟、节省能源或提升服务质量（QoS）等角度探讨了计算卸载问题。

此外，MEC系统中的服务器可以实现网络内缓存功能，类似于以信息为中心的网络（ICN），能够减少重复信息传输。网络内缓存通过将内容靠近用户，可显著提高互联网内容传输的质量，如减少延迟和增加吞吐量。目前已有不少研究致力于内容缓存策略，有的基于路由器在拓扑中的位置设计策略，有的则根据内容的流行度进行设计。

以往的研究通常将计算卸载、资源分配和内容缓存分开考虑，但为了