In recent years, a growing number of mobile devices are requesting computation-intensive tasks with low delay requirements. Cloud computing, which computes tasks at central servers remote from mobile devices, cannot bring access delay down to a certain level. In edge computing, on the other hand, mobile devices offload their tasks to servers installed on edge nodes that are closer to the mobile devices. This enables the user tasks to be completed within the delay requirement. In this scenario, determining how to allocate computing resources on edge nodes is critical to the access delay of users. In addition, when edge servers are installed, the total service delay of devices offloading tasks can be minimized by properly determining which servers to offload them. However, existing researches on server placement are restricted to the proposal of two-phase optimization of each issue with heuristic algorithms. In this paper, we study the joint design of computing resource allocation and task offloading in wireless edge network. Based on the genetic algorithm, we designed a new algorithm for a given problem and used it to find computing resource allocation and task offload scheme that minimizes the average service delay while satisfying the delay requirement of individual users. The simulation results show that the proposed algorithm performs very well.
최근, 낮은 지연 조건과 함께 계산 집약적인 작업을 요구하는 모바일 기기의 수가 점점 많아지고 있다. 모바일 기기로부터 원격 중앙 서버에서 작업 계산을 요청하는 클라우드 컴퓨팅은 액세스 지연을 일정 수준으로 낮출 수 없다. 반면, 에지 컴퓨팅에서 모바일 기기는 모바일 기기에 더 가까운 에지 노드에 설치된 서버로 그들의 작업을 오프로드한다. 이로써 지연 요건 안에서 사용자 작업을 완료할 수 있다. 이러한 환경에서, 에지 노드의 컴퓨팅 리소스를 할당하는 방법을 결정하는 것은 사용자의 액세스 지연에 매우 중요한 영향을 미친다. 또한 에지 서버가 설치되었을 때, 각 기기들이 오프로드할 서버를 적절히 결정하여 오프로드된 작업의 총 서비스 지연을 최소화할 수 있다. 그러나 서버 배치에 대한 기존 연구들은 경험적 알고리즘에 의한 각 문제의 2단계 최적화 제안으로 제한되어 있다. 이 논문에서는, 무선 에지 네트워크에서 컴퓨팅 자원 할당과 태스크 오프로딩의 공동 설계를 연구한다. 유전 알고리즘을 기반으로 주어진 문제에 대한 새로운 알고리즘을 고안하고, 이를 사용하여 평균 서비스 지연을 최소화하고 개별 사용자의 지연 요구사항을 충족하는 작업 오프로드 체계를 찾아내었다. 시뮬레이션 결과는 제안된 알고리즘이 매우 높은 성능을 갖는다는 것을 보여준다.
