边缘计算任务卸载优化能耗降低论文.docxVIP

边缘计算任务卸载优化能耗降低论文

一.摘要

随着物联网设备数量的指数级增长和实时性应用需求的提升，边缘计算作为云计算的延伸，在数据处理和响应速度方面展现出显著优势。然而，边缘设备普遍面临计算资源有限、能源供应受限等问题，导致能耗成为制约其大规模部署和持续运行的关键瓶颈。本文以工业自动化领域的高频实时控制场景为背景，针对边缘计算任务卸载过程中的能耗优化问题展开研究。通过构建多目标优化模型，结合启发式搜索算法与强化学习技术，对任务卸载策略进行动态调整，旨在平衡边缘设备的计算负载与能源消耗。研究发现，基于任务优先级与设备剩余能量的自适应卸载策略能够显著降低整体能耗，在保证实时性要求的前提下，将平均能耗降低23.7%，峰值功耗下降18.2%。实验结果表明，所提方法在异构边缘设备环境下的适用性良好，且与现有静态卸载方案相比具有统计学上的显著性差异。研究结论为边缘计算系统的能耗优化提供了理论依据和实践指导，尤其适用于对功耗敏感的工业控制场景。

二.关键词

边缘计算；任务卸载；能耗优化；启发式算法；实时系统；异构网络

三.引言

边缘计算作为连接云中心与物理世界的桥梁，近年来在工业物联网、智能交通、智慧医疗等领域展现出巨大的应用潜力。其核心优势在于将计算、存储和数据处理能力下沉至网络边缘，靠近数据源，从而显著降低延迟、提升响应速度，并减轻云端网络的传输压力。根据市场研究机构的报告，全球边缘计算市场