边缘计算计算卸载与资源分配联合优化算法-电子发烧友网

来源：中国指挥与控制学会

作者：CICC

摘要

针对后勤资产管理系统“本地—云”结构的不足，设计了边缘计算卸载决策与资源分配服务联合优化算法，将原始数据解算任务卸载至边缘端，提供更优卸载决策与资源分配方式。根据任务、计算能力、功率等信息建立时延能耗系统代价模型，基于二分法、拉格朗日乘子法、改进的粒子群算法完成问题的求解，实现多用户多节点有云参与的联合迭代寻优。实验结果表明，该方法有效降低系统总代价，降低Random算法总代价的59.34%，Greedy算法的45.74%，STPSO算法的24.07%。

固定资产管理是企事业单位中一项非常严肃，政策性、原则性、技术性很强的后勤工作，它将把控资产信息、提高管理效率、降低支出成本作为管理目标，提升了企业的资产管理水平[1]。早在2020年，财政部发布了《关于加强行政事业单位固定资产管理的通知》，来加强事业单位的后勤资产管理水平。除此之外，我国在军事后勤建设的投入逐年增加，后勤工作会议指出：加快建设现代军事物流体系和军队现代资产管理体系[2]。无论军事还是民用，后勤资产管理建设都是现阶段发展重点，必须探索出一条能够推进后勤资产管理工作向现代化和智能化方向发展的道路，引领我国后勤资产管理实力迈向新台阶。

我国资产管理经历手工记账、二三维条码的发展过程，形成了信息化管理系统。由于资产管理特殊性，现有系统普遍存在以下问题：精细化程度低、平台功能有限；资产辨认与定位难、可视化程度低；编码体系不统一、编码覆盖信息不全[3]。因此，结合传感定位、网格剖分、实时监控等技术，建设统一后勤资产业务管理平台，实现可以为全天候、全地域环境提供精细化保障的“可视化后勤”，是现代后勤建设的主要目标[4]。

专家学者对相关技术开展研究来提升资产管理系统服务水平。LIN Y完成了基于射频识别的仓库研究与实践物流管理系统设计，针对仓储管理中手工作业多、效率低的问题，设计了基于射频识别（radio frequency identification，RFID）仓库自动化解决方案，满足大型仓储企业需求[5]。WANG T等利用RFID技术建立基于物联网技术的固定资产管理平台，实现合理高效使用和部署固定资产，优化和简化管理过程，确保得到可靠和完整的资产数据[6]。LEE C等提出了一种基于蓝牙定位用于跟踪资产的室内定位系统，实现一种经济高效的资产管理解决方案[7]。

应用北斗网格剖分技术解算资产位置构建统一定位编码标准，基于RFID系统、北斗定位系统、摄像头等设备采集资产数据，利用软件及数据库技术实现具备实时监控与资产可视化功能的先进资产管理系统。在后勤资产管理系统发展过程中，传统系统构架直接将企业管理系统连接至后勤云计算中心，随着接入硬件设备逐渐增多，大量原始数据未经过解算全部上传至云端会占用更多的带宽和服务器资源，给系统的运维带来极大资源负担，也不利于对资产环境视频监控画面进行实时调取，在一定程度上影响用户体验，限制了后勤资产管理系统向现代化发展[8]。

云计算、联邦学习、边缘计算等分布式计算技术被提出用于协调共享资源的使用，边缘计算具有实时性高、计算能力强、带宽高、安全性高等优点，在众多通信新技术中脱颖而出[9]。在系统构架中引入边缘层，能在数据源头实现定位、RFID标签等原始数据的及时处理与响应，向云端直接传输解码结果减少数据传输消耗。同时边缘计算及多码流处理技术的结合运用，也为实时视频监控需求提供了解决方案，能够提高视频图像数据价值，降低带宽与时延，提高处理效率。

边缘计算技术核心是基于分布式边缘服务器，在数据源头提供具有网络、计算、存储等功能的服务器节点，完成被卸载的计算任务，经过资源分配等步骤将结果返回设备端[10]。为了提升技术服务性能，本文针对边缘计算服务模型中资源分配、计算卸载两项业务开展研究，优化调度模型、寻找更佳的控制策略来提供最优服务。

相关专家也对边缘计算计算卸载以及资源分配等问题开展相关研究，SONG H K等研究了无线边缘网络中边缘计算服务器部署和用户卸载关联的网络，设计了一种改进遗传算法来解决该问题，有效减少平均服务延迟[11]。TANG C G等提出了一个通用的支持缓存的车载边缘计算方案，同时考虑任务缓存带来的响应延迟和能耗，同其他算法相比具有优势性[12]。XU F等提出了两阶段计算卸载算法，能够有效降低时延[13]。黄冬晴等提出一种面向多用户的联合计算卸载和资源分配策略，利用拉格朗日乘子法获得最佳计算资源分配，基于贪心算法获得最佳卸载决策，不断迭代降低系统成本[14]。

目前许多专家对资产管理系统进行优化，开展边缘计算技术业务研究，但大多针对单一目标进行优化设计。也有不少专家对单一业务进行多目标优化，例如针对卸载决策或资源分配问题进行时延能耗多目标优化。随着研究不断深入，逐渐向多业务联合优化方向发展，也提出了计算卸载和资源分配联合优化的概念，通过不断迭代两个业务问题的求解获得更优解。由于联合优化计算过程复杂，现有论文一般采用复杂度较低的算法来求解卸载决策计算问题，例如文献[14]采用贪心算法计算。因此，本文研究计算卸载和资源分配问题，基于数学推导解决计算资源分配问题，基于进化类算法计算卸载决策，迭代计算联合优化时延和能耗两个目标，得到最优控制策略。