In this paper, we study a mobile edge computing (MEC) system with the mobile device aided by multiple relay nodes for offloading data to an edge server. Specifically, the modes of decode-and-forward (DF) with time-division-multiple-access (TDMA) and frequency-division-multiple-access (FDMA), and the mode of amplify-and-forward (AF) are investigated, which are denoted as DF-TDMA, DF-FDMA, and AF, respectively. Our target is to minimize the total energy consumption of the mobile device and multiple relay nodes through optimizing the allocation of computation and communication resources. Optimization problems under the three considered modes are formulated and shown to be non-convex. For DF-TDMA mode, we transform the original non-convex problem to be a convex one and further develop a low computation complexity yet optimal solution. In DF-FDMA mode, with some transformation on the original problem, we prove the mathematical equivalence between the transformed problem in DF-FDMA mode and the problem under DF-TDMA mode. In AF mode, the associated optimization problem is decomposed into two levels, in which monotonic optimization is utilized in upper level and successive convex approximation (SCA) is adopted to find the convergent solution in the lower level. Numerical results prove the effectiveness of our proposed methods under various working modes.


翻译:在本文中,我们研究了移动边缘计算(MEC)系统,其标志是移动设备,由多个中继节点协助将数据卸载到边缘服务器。具体来说,我们的目标是通过优化计算和通信资源的分配,最大限度地减少移动设备和多端转发节点的能量消耗总量。在三种考虑模式下,设计并显示为非编码的优化问题。在DF-TDMA模式中,我们将原非编码问题转化为螺旋1,并进一步开发低计算复杂性但又是最理想的解决办法。在DF-TDMA模式中,我们通过对原有问题的某种转变,我们证明DF-DMA模式和多端中继节点的能源消耗总量和多个中继节点之间的数学等值,优化计算和通信资源的分配。在三种考虑模式下,最佳化问题在DFM-DMA模式中,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最后,将采用最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最优化后,最后,最后,将采用。

0
下载
关闭预览

相关内容

大数据白皮书(2020年), 72页pdf
专知会员服务
58+阅读 · 2020年12月31日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
247+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
用Python实现BP神经网络(附代码)
七月在线实验室
4+阅读 · 2017年12月4日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
VIP会员
相关VIP内容
大数据白皮书(2020年), 72页pdf
专知会员服务
58+阅读 · 2020年12月31日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
247+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
相关资讯
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
用Python实现BP神经网络(附代码)
七月在线实验室
4+阅读 · 2017年12月4日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员