计算机工程

作者：吴波, 龙廷艳, 万良, 夏云霓

单位：1. 贵州大学计算机科学与技术学院公共大数据国家重点实验室, 贵州 贵阳 5500252. 重庆大学计算机学院软件与理论重庆市重点实验室, 重庆 400044

关键词：边缘计算,任务卸载,并行传输,负载均衡,粒子群优化算法

基金：国家自然科学基金(62262004); 贵州大学博士基金(贵大人基合字(2023)27号(自然科学))

针对多基站多任务移动边缘计算(MEC)环境中任务卸载问题, 在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下, 提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题, 提出一种基于改进粒子群优化(PSO)算法的任务卸载方法IPSO, 通过采用反向学习策略对PSO算法的初始解空间进行优化, 提升算法的收敛与搜索能力。在此基础上, 利用Levy飞行策略对各粒子的速度矢量进行更新, 有效避免局部最优解, 同时引入遗传算法的精英保留策略, 得到一个能够稳定降低边缘服务器负载的任务卸载策略。将所提出的IPSO算法与混合启发式算法(GA-BPSO)、PSO算法、人工蜂鸟算法(AHA)、遗传算法(GA)和随机编码算法进行对比。实验结果表明, IPSO算法在不同的任务数、边缘服务器数下得到的时延和负载标准差都小于其他5种算法, 其中, 在任务数增长下进行实验后得到的系统时延分别比其他对比算法平均降低了3.04%、4.63%、6.79%、8.94%、12.7%, 边缘服务器之间负载标准差分别比其他对比算法平均降低了16.2%、26.4%、62.8%、71.3%、91.5%。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期