D2D网络中基于多目标优化的计算卸载策略

doi:10.3969/j.issn.1006-2475.2024.01.004

摘要/Abstract

摘要： 摘要：针对终端直传（Device-to-Device, D2D）通信技术的移动边缘计算场景中计算卸载的高时延、高能耗问题，提出一种基于多目标优化的计算卸载策略。该计算卸载策略基于时延和能耗多目标优化模型，引入过度卸载问题的分析，对NSGA-II算法进行改进，包括适用于计算卸载的基因编码策略、交叉和变异方法，通过求解帕累托最优来最小化任务执行时间和能耗。此外，还提出一种数据路由算法，以平衡路由设备的传输能耗，并优化路由路径。通过仿真实验，该算法的平均提升效率最高可达41.7%，任务重传率降低至7.8%。实验结果表明，本文提出的算法能明显减少执行时延、能耗，降低任务重传率和提高任务卸载成功率。

关键词: 关键词：终端直传, 移动边缘计算, 多目标优化, 帕累托最优

Abstract: Abstract： Focused on the high latency and energy consumption for computational offload in mobile edge computing scenarios with device-to-device （D2D） communication technology， a computational offloading strategy based on multi-objective optimization is proposed. The strategy is based on a computing offloading model with multi-objective optimization of delay and energy consumption， introduces the analysis of excessive offloading problem， improves the NSGA-II algorithm， including genetic encoding strategy， crossover and variation methods applicable to computing offloading， and minimizes task execution time and energy consumption by solving the Pareto optimum. In addition， a data routing algorithm is proposed， which balances the transmission energy consumption of routing devices and optimizes the routing paths. Through simulation experiments， the average boosting efficiency of the algorithm is up to 41.7% and the task retransmission rate is reduced to 7.8%. The experiment results show that the proposed algorithm can significantly reduce the execution delay， energy consumption， task retransmission rate and improve the task offload success rate.

Key words: Key words： device-to-device （D2D）, mobile edge computing, multi-objective optimization, Pareto optimization

中图分类号:

TP389. 1

陈琦, 李晶晶. D2D网络中基于多目标优化的计算卸载策略[J]. 计算机与现代化, 2024, 0(01): 21-28.

CHEN Qi, LI Jing-jing. Computational Offloading Strategy Based on Multi-objective Optimization in D2D Network[J]. Computer and Modernization, 2024, 0(01): 21-28.

参考文献

［1］ ABBAS N， ZHANG Y， TAHERKORDI A， et al. Mobile edge computing： A survey［J］. IEEE Internet of Things Journal， 2018，5（1）：450-465.
［2］田辉，范绍帅，吕昕晨，等. 面向5G需求的移动边缘计算［J］. 北京邮电大学学报， 2017，40（2）：1-10.
［3］ SUN X， ANSARI N. EdgeIoT： Mobile edge computing for the Internet of things［J］. IEEE Communications Magazine， 2016，54（12）：22-29.
［4］ MACH P， BECVAR Z. Mobile edge computing： A survey on architecture and computation offloading［J］. IEEE Communications Surveys & Tutorials， 2017，19（3）：1628-1656.
［5］ QIAN L， LUO Z G， DU Y J， et al. Cloud computing： An overview［C］// Proceedings of IEEE International Conference on Cloud Computing. 2009：626-631.
［6］ DILLON T， WU C， CHANG E. Cloud computing： Issues and challenges［C］// 2010 24th IEEE International Conference on Advanced Information Networking and Applications. 2010：27-33.
［7］ TRUONG-HUU T， THAM C， NIYATO D. A stochastic workload distribution approach for an ad hoc mobile cloud［C］// 2014 IEEE 6th International Conference on Cloud Computing Technology and Science. 2014：174-181.
［8］ STHAPIT S， THOMPSON J， ROBERTSON N M， et al. Computational load balancing on the edge in absence of cloud and fog［J］. IEEE Transactions on Mobile Computing， 2018，18（7）：1499-1512.
［9］胡恒，金凤林，郎思琪. 移动边缘计算环境中的计算卸载技术研究综述［J］. 计算机工程与应用， 2021，57（14）：60-74.
［10］ KHALEDI M， KHALEDI M， KASERA S K. Profitable task allocation in mobile cloud computing［C］ // Proceedings of the 12th ACM Symposium on QoS and Security for Wireless and Mobile Networks. 2016：9-17.
［11］ WANG Z， ZHAO Z W， MIN G Y， et al. User mobility aware task assignment for mobile edge computing［J］. Future Generation Computer Systems， 2018，85：1-8.
［12］ ALI E B， KISHK S， ABDELHAY E H. Multidimensional auction for task allocation using computation offloading in fifth generation networks［J］. Future Generation Computer Systems， 2020，108：717-725.
［13］李余，何希平，唐亮贵. 基于终端直通通信的多用户计算卸载资源优化决策［J］. 计算机应用， 2022，42（5）：1538-1546.
［14］ CHEN X， PU L J， GAO L， et al. Exploiting massive D2D collaboration for energy-efficient mobile edge computing［J］. IEEE Wireless Communications， 2017，24（4）：64-71.
［15］ ZHAO P T， TIAN H， QIN C， et al. Energy-saving offloading by jointly allocating radio and computational resources for mobile edge computing［J］. IEEE Access， 2017，5：11255-11268.
［16］ XIE B Y， ZHANG Q， QIN J Y. Joint optimization of cooperative communication and computation in two-way relay MEC systems［J］. IEEE Transactions on Vehicular Technology， 2020，69（4）：4596-4600.
［17］ HUYNH L N T， PHAM Q V， NGUYEN Q D， et al. Energy-efficient computation offloading with multi-MEC servers in 5G two-tier heterogeneous networks ［C］// Proceedings of the 13th International Conference on Ubiquitous Information Management and Communication （IMCOM） 2019. 2019：120-129.
［18］ KO H N， PACK S. Distributed device-to-device offloading system： Design and performance optimization［J］. IEEE Transactions on Mobile Computing， 2021，20（10）：2949-2960.
［19］ THAM C， CAO B. Stochastic programming methods for workload assignment in an Ad Hoc mobile cloud［J］. IEEE Transactions on Mobile Computing， 2018，17（7）：1709-1722.
［20］ ZHANG X M. Enhancing mobile cloud with social-aware device-to-device offloading［J］. Computer Communications， 2021，168：1-11.
［21］ LIU L Q， CHANG Z， GUO X J， et al. Multi-objective optimization for computation offloading in mobile-edge computing［C］// 2017 IEEE Symposium on Computers and Communications （ISCC）. 2017：832-837.
［22］ REN Q， LIU K， ZHANG L M. Multi-objective optimization for task offloading based on network calculus in fog environments［J］. Digital Communications and Networks， 2022，8（5）：825-833.
［23］ LUO Q Y， LI C L， LUAN T H， et al. Minimizing the delay and cost of computation offloading for vehicular edge computing［J］. IEEE Transactions on Services Computing， 2022，15（5）：2897-2909.
［24］ DEB K， PRATAP A， AGARWAL S， et al. A fast and elitist multiobjective genetic algorithm： NSGA-II［J］. IEEE Transactions on Evolutionary Computation， 2002，6（2）：182-197.
［25］ YU H， ZHAN J， JIAO L B， et al. Load balancing strategy for wireless multi-hotspot networks based on improved NSGA-II algorithm［C］// 2022 International Conference on Networking and Network Applications （NaNA）. 2022：107-112.
［26］ PENG K， ZHU M S， ZHANG Y W， et al. A Multi-objective computation offloading method for workflow applications in mobile edge computing［C］// 2019 International Conference on Internet of Things （iThings） and IEEE Green Computing and Communications （GreenCom） and IEEE Cyber， Physical and Social Computing （CPSCom） and IEEE Smart Data （SmartData）. 2019：135-141.
［27］ CHAARI R， CHEIKHROUHOU O， KOUBAA A， et al. Multi-objective computation offloading for cloud robotics using NSGA-II［C］// 2021 17th International Conference on Wireless and Mobile Computing， Networking and Communications （WiMob）. 2021：206-211.

[1]	李爽1, 2, 叶宁1, 2, 徐康1, 2, 王甦1, 王汝传1, 2. 面向智慧养老的边缘计算卸载方法[J]. 计算机与现代化, 2024, 0(06): 95-102.
[2]	杨孟, 杨进, 陈步前. 基于知识图谱的多目标可解释性推荐[J]. 计算机与现代化, 2024, 0(03): 34-40.
[3]	闫阳, 詹子俊, 曹绍华. 基于设备协同的大规模卸载：融合分治和贪心的双层优化算法[J]. 计算机与现代化, 2023, 0(11): 13-21.
[4]	陈刚, 王志坚, 徐胜超. 基于可行点追踪-连续凸逼近的移动边缘计算任务卸载[J]. 计算机与现代化, 2023, 0(08): 93-97.
[5]	刘辉, 邹锋, 陈得宝, 籍旭颖, 张妍. 基于改进MOJAYA/D算法的图像分割[J]. 计算机与现代化, 2023, 0(04): 62-72.
[6]	张琦琪, 陈群. 基于ESI合作模式的钢铁企业多目标综合生产计划优化[J]. 计算机与现代化, 2023, 0(04): 39-46.
[7]	燕嘉诚, 印凯欧. 基于NSGA-II的信息物理系统RESTful API测试套件最小化#br#[J]. 计算机与现代化, 2022, 0(11): 111-118.
[8]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[9]	张彦虎, 鄢丽娟, 马志愤, 张彦军. 一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法[J]. 计算机与现代化, 2022, 0(05): 54-60.
[10]	徐明, 张剑铭, 陈松航, 陈豪. 柔性作业车间调度问题的多目标优化算法[J]. 计算机与现代化, 2021, 0(12): 1-6.
[11]	陈泯融，黄广敬. 基于分解的多目标花朵授粉算法[J]. 计算机与现代化, 2019, 0(07): 1-.
[12]	李真;汤进;何鸣;杨栋枢. 基于高维多目标优化的国网运维指标建模研究 [J]. 计算机与现代化, 2013, 1(6): 23-26.
[13]	殷昭宁;孙靖. 三种基于偏好的区间多目标进化算法及应用[J]. 计算机与现代化, 2012, 1(11): 43-46.
[14]	李冉冉. 基于蚁群算法的交通流诱导设计与实现[J]. 计算机与现代化, 2011, 1(11): 27-5.
[15]	刘伟;王伟. 几种基于多目标遗传算法的QoS组播路由优化算法 [J]. 计算机与现代化, 2010, 1(02): 47-51.