中文引用格式： 王傳啟，車國霖. 無線供電MEC中基于S-PSO的任務卸載策略研究[J]. 電子技術應用，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，隨著5G技術和物聯網（Internet of Things, IoT）的飛速發展，移動設備由于能量和計算能力有限，對于一些高密集、低時延要求的計算任務，無法在短時間內完成任務的計算處理[1]。將移動邊緣計算（MEC）和無線供電技術（WPT）集成，一方面可以給用戶設備提供能量，另一方面還可以給用戶設備提供任務卸載服務，以及提高移動設備的電池使用壽命[2]。移動邊緣計算通過將服務器部署至數據源的一側，可以有效降低傳輸時延和傳輸能耗，從而為用戶提供更好的服務[3]。
Ji等人[4]提出了一種用戶協作方案，將兩個問題轉換為其等效的參數化減法形式，并通過兩種有效的優化算法提供了相應的最優解。Wang等人[5]提出了一種最佳資源分配方案，利用拉格朗日對偶方法，獲得了半封閉形式的最優解。朱恩峰等人[6]提出了一種基于改進的多目標優化免疫算法的卸載決策方案，并通過實驗驗證了所提卸載決策方案的有效性。朱恩峰等人[7]提出了一種基于改進型粒子群優化算法的卸載方案，并用實驗驗證了所提方案的良好性能。Li等人[8]提出了一種低復雜度交替算法，所提出的方案優于其他基準方案。Zheng等人[9]提出了一種基于深度神經網絡（DNN）的深度強化學習（DRL）模型，數值結果表明，基于DRL的在線卸載算法適用于快衰落的WP-MEC網絡。Hu等人[10]提出了一種基于深度強化學習的算法，仿真結果驗證了所提出的DDPG-D3QN算法比現有方法具有更好的穩定性和更快的收斂速度，并且平均系統服務成本明顯降低。本文考慮了多服務器多用戶設備的無線供電MEC場景，提出了一種改進粒子群優化算法（Strengthened Particle Swarm Optimization, S-PSO），S-PSO算法在SPO基礎上加入了Levy飛行策略和改進的自適應權重更新方法，增強算法的局部和全局尋優能力。所提出的算法對多服務器多用戶場景下的無線供電MEC系統的系統時延和能耗進行優化。提出的S-PSO算法綜合考慮系統的時延與能耗，有效降低了任務卸載時的系統時延與能耗。
本文詳細內容請下載：
http://www.xxav2194.com/resource/share/2000006123
作者信息：
王傳啟，車國霖
（昆明理工大學 信息工程與自動化學院，云南 昆明 650500）
