中文引用格式：王传启，车国霖. 无线供电MEC中基于S-PSO的任务卸载策略研究[J]. 电子技术应用，2024，50(8)：60-66.
英文引用格式：Wang Chuanqi，Che Guolin. Research on task offloading strategy based on S-PSO in wireless powered MEC[J]. Application of Electronic Technique，2024，50(8)：60-66.
引言
目前，随着5G技术和物联网（Internet of Things, IoT）的飞速发展，移动设备由于能量和计算能力有限，对于一些高密集、低时延要求的计算任务，无法在短时间内完成任务的计算处理[1]。将移动边缘计算（MEC）和无线供电技术（WPT）集成，一方面可以给用户设备提供能量，另一方面还可以给用户设备提供任务卸载服务，以及提高移动设备的电池使用寿命[2]。移动边缘计算通过将服务器部署至数据源的一侧，可以有效降低传输时延和传输能耗，从而为用户提供更好的服务[3]。
Ji等人[4]提出了一种用户协作方案，将两个问题转换为其等效的参数化减法形式，并通过两种有效的优化算法提供了相应的最优解。Wang等人[5]提出了一种最佳资源分配方案，利用拉格朗日对偶方法，获得了半封闭形式的最优解。朱恩峰等人[6]提出了一种基于改进的多目标优化免疫算法的卸载决策方案，并通过实验验证了所提卸载决策方案的有效性。朱恩峰等人[7]提出了一种基于改进型粒子群优化算法的卸载方案，并用实验验证了所提方案的良好性能。Li等人[8]提出了一种低复杂度交替算法，所提出的方案优于其他基准方案。Zheng等人[9]提出了一种基于深度神经网络（DNN）的深度强化学习（DRL）模型，数值结果表明，基于DRL的在线卸载算法适用于快衰落的WP-MEC网络。Hu等人[10]提出了一种基于深度强化学习的算法，仿真结果验证了所提出的DDPG-D3QN算法比现有方法具有更好的稳定性和更快的收敛速度，并且平均系统服务成本明显降低。本文考虑了多服务器多用户设备的无线供电MEC场景，提出了一种改进粒子群优化算法（Strengthened Particle Swarm Optimization,S-PSO），S-PSO算法在SPO基础上加入了Levy飞行策略和改进的自适应权重更新方法，增强算法的局部和全局寻优能力。所提出的算法对多服务器多用户场景下的无线供电MEC系统的系统时延和能耗进行优化。提出的S-PSO算法综合考虑系统的时延与能耗，有效降低了任务卸载时的系统时延与能耗。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000006123
作者信息：
王传启，车国霖
（昆明理工大学 信息工程与自动化学院，云南 昆明 650500）
