面向时延优化的边端协同任务卸载算法分析.pdfVIP

研究与设计ResearchandDesign

面向时延优化的边端协同任务卸载算法分析

李想

(浙江理工大学信息科学与工程学院，浙江310018)

摘要：阐述边缘计算边端系统中任务卸载策略，使用一种基于惩罚对偶分解算法对任务进行分配，以优

化边端架构下系统总时延提高边缘计算效率。系统模型是具有连续变量和离散变量混合的整数规划，在

引入辅助变量及惩罚函数的基础上将优化问题等效地转换为便于处理的形式，最大程度上避免陷入局部

最优解。最后对实际场景下最大能耗、带宽约束等进行仿真验证，仿真结果表明，惩罚对偶分解算法在

边端架构中处理复杂任务需求时，时延优化效果优越，兼具实用性及高效性。

关键词：卸载决策，时延优化，边缘计算，惩罚对偶分解算法。

中图分类号：TP183，TN929.5，TP391.9文章编号：1674-2583(2025)01-0034-04

DOI：10.19339/j.issn.1674-2583.2025.01.013

文献引用格式：李想.面向时延优化的边端协同任务卸载算法分析[J].集成电路应用,2025,42(01):34-37.

AnalysisofEdgeCollaborativeTaskOffloading

AlgorithmforLatencyOptimization

LIXiang

(SchoolofInformationScienceandEngineering,ZhejiangSci-TechUniversity,Zhejiang310018,

China.)

Abstract—Thispaperdescribesthetaskunloadingstrategyintheedgecomputingsystem,using

apenalizeddualdecompositionalgorithmtoassigntaskstooptimizethetotalsystemdelayunderthe

edgearchitecturetoimprovetheefficiencyofedgecomputing.Thesystemmodelisanintegerprogram

withamixtureofcontinuousvariablesanddiscretevariables.Onthebasisofintroducingauxiliary

variablesandpenaltyfunction,theoptimizationproblemisequivalentandconvertedtoaconvenient

form,soastoavoidthelocaloptimalsolutiontothemaximumextent.Finally,themaximumenergy

consumptionandbandwidthconstraintsareverifiedinthesimulation,andthesimulationresultsshow

thatthepenaltydualdecompositionalgorithmispracticalandefficientwhendealingwithcomplextask

requirementsinthethisarchitecture.

IndexTerms—unloaddecision,delayoptimization,edgecomputing,penaltydualdecomposition.

0引言任务卸载分配策略，使用基于惩罚对偶分解算法

5G通信系统支持的低延迟高可靠、超高性能和大（PDD）求得系统优化模型的全局最优解。

规模机器通信推动了工业物联网（IoT）的高速发展。2边缘计算架构模型

将任务提供给集中式服务器可以适当缓解问题，但大如图1，基础用户层的基站连接到边缘层

量需实时处理的任务导致集中式服务器出现网络拥塞