移动边缘网络中基于QoE的网络媒体流卸载算法OA北大核心CSTPCD

针对移动边缘计算中新兴网络媒体流业务面临的高时延、高能耗、高带宽、低用户体验质量(QoE)等问题,提出一种基于QoE反馈配置卸载(QFCO)算法。首先,联合考虑预处理和优先级划分,从而最大化网络资源利用率,并为计算任务赋予不同的权重建立资源分配关系;然后,综合考虑截止时间、计算资源、功率和带宽等约束,以任务时延、能耗和精确度加权和为优化目标建立QoE模型,利用拉格朗日乘数法求解。仿真结果表明,相比深度增强学习在线卸载(DROO)算法,所提算法可有效实现资源的整体优化配置,更好地提升用户体验质量。