王宏杰，徐勝超，陳 剛，楊 波，毛明揚(yáng)

(廣州華商學(xué)院 數(shù)據(jù)科學(xué)學(xué)院，廣州 511300)

0 引言

近些年，由于逐漸興起的移動邊緣計算模式是發(fā)展未來智能網(wǎng)絡(luò)的關(guān)鍵，導(dǎo)致網(wǎng)絡(luò)帶寬資源優(yōu)化問題愈加重要，大部分優(yōu)化策略都側(cè)重于滿足用戶的需求，但是受到網(wǎng)絡(luò)資源和計算資源的限制，在移動邊緣計算網(wǎng)絡(luò)中執(zhí)行各種任務(wù)操作時，往往需要較長的時間去處理，這會導(dǎo)致計算任務(wù)的延遲[1-3]。移動邊緣計算是一種在邊緣側(cè)提供云計算服務(wù)的網(wǎng)絡(luò)架構(gòu)，是應(yīng)對傳統(tǒng)互聯(lián)網(wǎng)發(fā)展瓶頸的解決方案，它通過在基站側(cè)部署計算節(jié)點來實現(xiàn)[4-5]。然而，基站側(cè)計算節(jié)點數(shù)量龐大且部署分散，同時業(yè)務(wù)流量呈現(xiàn)出爆發(fā)式增長，導(dǎo)致資源分配問題日益突出。因此，如何在保證業(yè)務(wù)質(zhì)量和用戶體驗的前提下合理利用邊緣計算網(wǎng)絡(luò)帶寬資源成為了關(guān)鍵問題[6]。

為了解決帶寬資源優(yōu)化問題，國內(nèi)外許多學(xué)者提出了各種方法來減少數(shù)據(jù)傳輸?shù)难舆t，優(yōu)化移動網(wǎng)絡(luò)帶寬資源。如文獻(xiàn)[7]提出空地綜合網(wǎng)絡(luò)中移動邊緣計算的部分計算卸載方法，該方法通過將計算任務(wù)卸載到邊緣設(shè)備上，減少數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸量，但需要依賴于邊緣設(shè)備的可靠性和可用性。文獻(xiàn)[8]提出基于多用戶協(xié)同的網(wǎng)絡(luò)帶寬優(yōu)化策略，可以根據(jù)用戶的需求和網(wǎng)絡(luò)狀況，動態(tài)地分配網(wǎng)絡(luò)帶寬，提高網(wǎng)絡(luò)的利用率和性能，但需要進(jìn)行復(fù)雜的網(wǎng)絡(luò)帶寬管理和調(diào)度，增加了系統(tǒng)的復(fù)雜度和開銷。文獻(xiàn)[9]提出的在資源受限的移動邊緣計算中的動態(tài)服務(wù)部署策略，該策略可以利用邊緣設(shè)備的計算和存儲資源，降低了網(wǎng)絡(luò)延遲和能耗，并提高服務(wù)的可靠性和安全性。但需要進(jìn)行復(fù)雜的服務(wù)管理和調(diào)度，需要實時監(jiān)測邊緣設(shè)備的狀態(tài)和服務(wù)請求的需求，增加了系統(tǒng)的復(fù)雜度和開銷[10-12]。

為解決上述方法中存在的問題，本文提出了一種基于螢火蟲算法的帶寬資源優(yōu)化策略來提高系統(tǒng)性能。螢火蟲算法是一種基于群聚原理的仿生智能算法，其基本思想是：在一群螢火蟲中，每只螢火蟲都是個體中的佼佼者，在群體中發(fā)出的信息可以傳遞給其他的螢火蟲，其他螢火蟲也會根據(jù)其位置信息做出相應(yīng)的動作[13]。每只螢火蟲通過這樣的方式來使自己不斷地積累信息、提高位置[14]。這樣的方式能夠有效地提高了優(yōu)化算法的性能，將這種技術(shù)應(yīng)用于網(wǎng)絡(luò)帶寬資源優(yōu)化中，有利于解決常見的資源優(yōu)化策略中存在的問題。

1 移動邊緣計算網(wǎng)絡(luò)帶寬資源優(yōu)化

1.1 移動邊緣計算的工作機(jī)制

移動計算可以更好地滿足智能終端設(shè)備的計算需求。移動邊緣計算是一種新型的計算模式，它將計算和存儲資源從云端轉(zhuǎn)移到了網(wǎng)絡(luò)邊緣節(jié)點中，網(wǎng)絡(luò)帶寬資源優(yōu)化是至關(guān)重要的一個問題，它可以通過流量分析、數(shù)據(jù)壓縮、數(shù)據(jù)緩存和流量控制等技術(shù)手段，來減少網(wǎng)絡(luò)擁塞和阻塞，提高網(wǎng)絡(luò)吞吐量和響應(yīng)速度，從而提高網(wǎng)絡(luò)資源利用率和服務(wù)質(zhì)量，保證用戶體驗。其具體工作機(jī)制如圖1所示。

圖1 移動邊緣計算的網(wǎng)絡(luò)帶寬優(yōu)化機(jī)制

移動邊緣計算相對于傳統(tǒng)的非邊緣計算具有更多的優(yōu)勢。它可以將數(shù)據(jù)處理和存儲的任務(wù)從云端轉(zhuǎn)移到邊緣設(shè)備中進(jìn)行，減少了數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸量和傳輸距離，降低了網(wǎng)絡(luò)延遲和能耗。同時，由于邊緣設(shè)備通常具有更多的計算和存儲資源，可以更好地滿足移動設(shè)備的計算需求，提高了數(shù)據(jù)處理和存儲的效率。此外，移動邊緣計算還可以提高移動應(yīng)用的性能和用戶體驗，提高了用戶對移動應(yīng)用的滿意度和忠誠度，并提高了數(shù)據(jù)的安全性。因此，在實際應(yīng)用中，移動邊緣計算可能會更適合那些需要快速、高效、安全和可靠的數(shù)據(jù)處理和存儲的場景。

1.2 移動邊緣網(wǎng)絡(luò)能量消耗模型

移動邊緣計算網(wǎng)絡(luò)具有一定的緩存能力，在網(wǎng)絡(luò)帶寬資源優(yōu)化策略研究中，需要了解總體網(wǎng)絡(luò)的能耗情況。能耗指的是移動邊緣服務(wù)器在工作時消耗的能量，主要包括CPU、內(nèi)存和硬盤訪問等資源的能量消耗，這些資源往往可以通過在服務(wù)器之間進(jìn)行數(shù)據(jù)傳輸來完成[15-17]。假設(shè)服務(wù)器之間的數(shù)據(jù)傳輸是連續(xù)的，并且不會隨著網(wǎng)絡(luò)中其他服務(wù)器的遷移而發(fā)生變化。然后，將移動邊緣計算網(wǎng)絡(luò)的能耗分為三類：第一類是基站的能耗消耗，主要包括靜態(tài)能耗和數(shù)據(jù)發(fā)送能耗；第二類是緩存能耗，網(wǎng)絡(luò)中緩存內(nèi)容越多需要消耗的能量越多；第三類是回傳鏈路數(shù)據(jù)傳輸需要消耗的能量，此類能耗主要針對遠(yuǎn)程用戶，在滿足此類用戶需求時，需要調(diào)用遠(yuǎn)端服務(wù)器的數(shù)據(jù)，由此會產(chǎn)生大量能耗[18-20]。

(1)

式中，Pm表示網(wǎng)絡(luò)內(nèi)邊緣用戶的中斷概率，由文件傳輸?shù)男诺涝鲆婧托旁氡却_定[22]。

在完成網(wǎng)絡(luò)能耗計算后，利用螢火蟲算法建立移動邊緣網(wǎng)絡(luò)帶寬資源優(yōu)化模型，確定各項參數(shù)，對其求解得到相應(yīng)的優(yōu)化策略。

1.3 帶寬資源優(yōu)化的目標(biāo)函數(shù)的建立

在移動邊緣計算網(wǎng)絡(luò)中，邊緣服務(wù)器負(fù)載一般較高。因此需要對邊緣服務(wù)器進(jìn)行優(yōu)化管理，使其負(fù)載均衡。在此應(yīng)用場景下，可以利用螢火蟲算法快速搜索全局最優(yōu)解的能力來解決負(fù)載均衡問題。另一方面，邊緣服務(wù)器負(fù)載均衡策略需要滿足移動用戶和邊緣計算網(wǎng)絡(luò)對網(wǎng)絡(luò)資源的要求。因此，可以利用螢火蟲算法的快速收斂、全局搜索能力強(qiáng)的特點來解決移動邊緣計算網(wǎng)絡(luò)中資源分配的問題。

首先分析移動邊緣計算系統(tǒng)的整體架構(gòu)，然后通過數(shù)學(xué)模型建立以帶寬資源為中心的優(yōu)化模型。該模型的數(shù)學(xué)表達(dá)式如下：

(2)

其中：n表示邊緣設(shè)備的數(shù)量，m表示任務(wù)的數(shù)量；cij表示將任務(wù)j分配給邊緣設(shè)備i所需要的計算開銷；pij表示將任務(wù)j從邊緣設(shè)備i傳輸?shù)皆贫怂枰哪芎?；xij表示任務(wù)j是否分配給邊緣設(shè)備i，取值為0或1；yij表示任務(wù)j是否從邊緣設(shè)備i傳輸?shù)皆贫耍≈禐?或1。

通過求解該線性規(guī)劃模型，可以得到最優(yōu)的帶寬資源分配和調(diào)度方案，從而實現(xiàn)邊緣計算網(wǎng)絡(luò)的帶寬優(yōu)化。

在上述模型中，網(wǎng)絡(luò)帶寬資源的分配由網(wǎng)絡(luò)資源的可用性、傳輸能力和可用帶寬決定。在具體問題中，每個邊緣服務(wù)器有一個最小化平均延遲時間和最大化QoE(quality of experience)的目標(biāo)?；谝陨戏治觯⒒谖灮鹣x算法的帶寬資源優(yōu)化模型。

為了使算法的尋優(yōu)效果更好，首先應(yīng)該選擇合適的參數(shù)，在對參數(shù)進(jìn)行設(shè)置時，應(yīng)根據(jù)問題的特點選擇最優(yōu)參數(shù)，具體參數(shù)設(shè)置如表1所示。

表1 螢火蟲群算法的參數(shù)設(shè)置

因為螢火蟲的群體大小和步長會影響到算法的搜索效率和尋優(yōu)精度，而螢火蟲的個數(shù)和步長則直接影響到算法的全局搜索能力。通過設(shè)置不同參數(shù)來尋找最優(yōu)解，可以從一定程度上提高算法的搜索能力，但是這也會使算法的全局尋優(yōu)能力下降。所以在選擇合適的參數(shù)后，還應(yīng)根據(jù)問題特性選擇適當(dāng)?shù)膮?shù)組合。

基于螢火蟲算法的帶寬資源優(yōu)化模型可以用以下公式表示：

W=minf(S)

(3)

其中：f(S)表示帶寬資源分配的目標(biāo)函數(shù)，S表示帶寬資源分配方案。在完成帶寬資源優(yōu)化模型構(gòu)建后，對螢火蟲在尋優(yōu)過程中的行為過程進(jìn)行模擬，螢火蟲通過光脈沖尋找目標(biāo)點，并根據(jù)光脈沖釋放的信息素強(qiáng)度改變自身的運動行為，從而獲取當(dāng)前位置和目標(biāo)點之間的最優(yōu)路徑，依據(jù)此原理求出帶寬資源優(yōu)化模型的最優(yōu)解并確定優(yōu)化策略。

1.4 基于螢火蟲算法的模型求解及優(yōu)化策略

螢火蟲算法是一種群體智能算法，是一種模擬螢火蟲行為的自然啟發(fā)算法。螢火蟲算法是以螢火蟲的光吸引行為為基礎(chǔ)產(chǎn)生的，算法中的螢火蟲個體表示可行解，螢火蟲的亮度則表示目標(biāo)函數(shù)的值，螢火蟲個體利用自身的亮度其他螢火蟲，亮度低的螢火蟲會向亮度高的螢火蟲方向移動，并且螢火蟲之間的吸引力與距離是一種反比例關(guān)系。利用螢火蟲算法優(yōu)化帶寬資源分配的過程可以如下描述。

1)初始化：隨機(jī)初始化一組螢火蟲代表節(jié)點，每個節(jié)點代表一個網(wǎng)絡(luò)設(shè)備或節(jié)點。

2)亮度計算：根據(jù)節(jié)點之間的距離和帶寬需求等因素計算每個節(jié)點的亮度值。亮度值表示節(jié)點的吸引力或優(yōu)勢，可以用來評估節(jié)點之間的帶寬分配效果。

3)移動和交互：根據(jù)亮度值和距離，螢火蟲節(jié)點會向亮度更高的節(jié)點移動，以實現(xiàn)帶寬資源的更優(yōu)分配。節(jié)點之間的移動和交互模擬了螢火蟲相互吸引的行為。

4)更新亮度：節(jié)點移動后，根據(jù)新的帶寬分配情況重新計算節(jié)點的亮度值，并更新亮度。

5)迭代優(yōu)化：重復(fù)步驟3)和4)，直到達(dá)到停止條件，如達(dá)到最大迭代次數(shù)或達(dá)到帶寬分配的收斂條件。

通過使用螢火蟲算法優(yōu)化帶寬資源分配，可以實現(xiàn)以下優(yōu)勢。

1)全局搜索能力：螢火蟲算法具有較強(qiáng)的全局搜索能力，能夠搜索帶寬分配空間中的各種可能解。這有助于找到更優(yōu)的帶寬分配方案，以提高帶寬利用效率和網(wǎng)絡(luò)性能。

2)自適應(yīng)性和魯棒性：螢火蟲算法通過模擬螢火蟲的行為，具有自適應(yīng)性和魯棒性。它可以根據(jù)節(jié)點之間的亮度值和距離進(jìn)行調(diào)整和優(yōu)化，適應(yīng)網(wǎng)絡(luò)拓?fù)渥兓蛶捫枨蟮淖兓?/p>

3)并行性：螢火蟲算法可以并行處理多個節(jié)點的移動和交互行為，從而加快優(yōu)化過程的速度。這使得它在大規(guī)模網(wǎng)絡(luò)中的帶寬資源分配問題上具有較好的可擴(kuò)展性。

綜上所述，利用螢火蟲算法優(yōu)化帶寬資源分配可以實現(xiàn)全局搜索、自適應(yīng)性和并行性等優(yōu)勢，從而提高帶寬利用效率和網(wǎng)絡(luò)性能。

螢火蟲個體在位置r處的亮度可以表示為：

(4)

式中，I0表示螢火蟲自身的初始亮度，γ表示光吸收率，rij表示歐式距離。

兩只不同亮度螢火蟲之間的吸引力為：

(5)

式中，β0表示兩只螢火蟲距離為0二者之間的吸引力。

螢火蟲會向亮度比自己高的螢火蟲移動，因此構(gòu)建螢火蟲位置更新公式：

ui=ui+βij(uj-ui)+α×(rand-0.5)

(6)

式中，ui、uj表示螢火蟲個體的位置，α×(rand-0.5)表示擾動項，α表示隨機(jī)參數(shù)。

在尋找網(wǎng)絡(luò)帶寬資源最優(yōu)解過程如圖2所示。

圖2 尋找網(wǎng)絡(luò)帶寬資源最優(yōu)解過程

螢火蟲算法的搜索空間為多維，隨機(jī)初始化種群后，在每個迭代周期內(nèi)將隨機(jī)產(chǎn)生的螢火蟲個體加入到種群中。根據(jù)移動邊緣計算網(wǎng)絡(luò)內(nèi)用戶的分布情況對螢火蟲個體進(jìn)行編碼，完成后在螢火蟲個體中隨機(jī)選擇2個不同的螢火蟲個體并進(jìn)行二次編碼。在每一次迭代過程中，通過兩個步驟找到最佳值：第一，根據(jù)給定的目標(biāo)函數(shù)；第二，分析移動邊緣計算網(wǎng)絡(luò)中，用戶請求的業(yè)務(wù)類型，以此選擇合適的服務(wù)類型從而實現(xiàn)帶寬資源利用最優(yōu)。

設(shè)定移動邊緣計算系統(tǒng)利益最大化作為網(wǎng)絡(luò)帶寬資源優(yōu)化策略的核心，在確定用戶的服務(wù)類型后，確定系統(tǒng)的總收益。對于給定的移動邊緣計算網(wǎng)絡(luò)，用戶收益最大時所需帶寬資源最小，優(yōu)化最佳。

運營商在移動終端業(yè)務(wù)中，可以針對不同類型服務(wù)類型，所需帶寬資源也不一樣。例如，對于直播業(yè)務(wù)，由于用戶需要在特定時間內(nèi)觀看直播內(nèi)容，故該服務(wù)對帶寬要求較高；而對于游戲業(yè)務(wù)，由于用戶需在特定時間內(nèi)玩游戲，因此該服務(wù)對帶寬要求較低。通過對以上不同業(yè)務(wù)類型進(jìn)行分析，定義業(yè)務(wù)類型和用戶收益之間的關(guān)系，才能更好的實施網(wǎng)絡(luò)帶寬資源優(yōu)化策略。

2 仿真實驗與性能分析

2.1 實驗環(huán)境及參數(shù)設(shè)置

在進(jìn)行邊緣計算任務(wù)卸載優(yōu)化的研究中，通常會使用相關(guān)的仿真軟件和仿真硬件來進(jìn)行實驗和評估。

1)仿真軟件：邊緣計算任務(wù)卸載優(yōu)化仿真軟件包括NS-3(network simulator 3)、OMNeT++、MATLAB/Simulink等這些軟件提供了豐富的網(wǎng)絡(luò)模型、通信協(xié)議以及性能評估工具，可以進(jìn)行邊緣計算任務(wù)卸載方案的仿真和性能分析。

2)仿真硬件：在邊緣計算任務(wù)卸載優(yōu)化的研究中，可以使用基于容器虛擬化技術(shù)的仿真環(huán)境，Docker、Kubernetes，搭建虛擬的邊緣計算節(jié)點和設(shè)備，模擬真實的邊緣計算場景。此外，還可以使用模擬器或?qū)嶒炇以O(shè)備來進(jìn)行仿真實驗，如使用Mininet搭建虛擬網(wǎng)絡(luò)環(huán)境、使用OpenStack搭建邊緣計算環(huán)境等。

3)仿真范圍：邊緣計算的仿真范圍可以根據(jù)研究的具體需求和目標(biāo)來確定。它可以涵蓋邊緣節(jié)點、移動設(shè)備、網(wǎng)絡(luò)通信、任務(wù)卸載策略等方面的仿真。

根據(jù)現(xiàn)階段移動邊緣計算網(wǎng)絡(luò)的應(yīng)用情況，使用MATLAB軟件對移動邊緣網(wǎng)絡(luò)進(jìn)行仿真，為了保持其穩(wěn)定性，其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)采用Noel Communication拓?fù)?。具體拓?fù)浣Y(jié)構(gòu)如圖3所示。

圖3 Noel Communication拓?fù)浣Y(jié)構(gòu)

設(shè)定整個移動邊緣網(wǎng)絡(luò)內(nèi)，用戶隨機(jī)分布，按照距離將用戶分為邊緣用戶和中心用戶，比例為2：1。其他參數(shù)設(shè)置如表2所示。

表2 移動邊緣計算網(wǎng)絡(luò)實驗參數(shù)設(shè)置

螢火蟲群算法的相關(guān)參數(shù)設(shè)置如表3所示。

表3 螢火蟲群算法的相關(guān)參數(shù)設(shè)置

以上內(nèi)容為實驗研究的一般條件，根據(jù)移動邊緣計算網(wǎng)絡(luò)帶寬資源的實際使用情況和優(yōu)化目的，從網(wǎng)絡(luò)帶寬資源優(yōu)化效能和計算延遲兩個方面展開實驗研究，并引入兩種常見的優(yōu)化策略作對比，通過大量對比實驗驗證本文提出的優(yōu)化策略的計算性能。

2.2 網(wǎng)絡(luò)帶寬資源優(yōu)化能耗對比分析

實驗中，引入的優(yōu)化策略分別是基于簡單博弈的帶寬資源優(yōu)化策略和基于多用戶協(xié)同的帶寬資源優(yōu)化策略，在準(zhǔn)備好的實驗環(huán)境中，設(shè)置不同的總用戶數(shù)，作為實驗條件，增加實驗多樣性，利用計算機(jī)軟件分析各個優(yōu)化策略下的移動邊緣計算網(wǎng)絡(luò)的效用，衡量效用的實驗指標(biāo)為網(wǎng)絡(luò)能耗的平均值。具體實驗結(jié)果如表4所示。

表4 不同資源優(yōu)化方法效用實驗結(jié)果

表4中顯示了在總用戶數(shù)不同的情況下，各個優(yōu)化策略下移動邊緣計算網(wǎng)絡(luò)的平均能耗，平均能耗越小說明優(yōu)化策略效用越好。從表4中的實驗結(jié)果可以看出，移動邊緣計算網(wǎng)絡(luò)內(nèi)用戶數(shù)量的增加與平均能耗之間沒有明顯的線性關(guān)系，對比各組數(shù)據(jù)的大小可知，螢火蟲群優(yōu)化策略可以根據(jù)網(wǎng)絡(luò)狀況和用戶需求，動態(tài)地調(diào)整網(wǎng)絡(luò)帶寬資源的分配，使得數(shù)據(jù)傳輸更加高效和快速，從而減少了數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸時間，降低了能耗。其次，螢火蟲群優(yōu)化策略可以合理地分配網(wǎng)絡(luò)帶寬資源，避免網(wǎng)絡(luò)擁塞和資源浪費，提高了網(wǎng)絡(luò)的利用率和性能，從而降低了網(wǎng)絡(luò)的延遲和能耗。最后，螢火蟲群優(yōu)化策略可以將計算和存儲任務(wù)卸載到邊緣設(shè)備上進(jìn)行，充分利用邊緣設(shè)備的計算和存儲資源，減少了云端數(shù)據(jù)處理和存儲的負(fù)擔(dān)，降低了能耗。提出的移動邊緣計算網(wǎng)絡(luò)帶寬資源優(yōu)化策略下平均能耗更低，說明該優(yōu)化策略效用更好。

2.3 資源優(yōu)化計算延遲分析

通過上述實驗可知，資源優(yōu)化策略在實際應(yīng)用上具有良好的效用，考慮到資源優(yōu)化策略的計算性能涉及的內(nèi)容比較多，因此還需要從計算延遲角度衡量資源優(yōu)化策略的實際應(yīng)用能力。實驗前，設(shè)置每個用戶有4個待計算的任務(wù)，每個任務(wù)之間具有關(guān)聯(lián)性，執(zhí)行不同的網(wǎng)絡(luò)帶寬資源優(yōu)化策略，同時設(shè)置兩種網(wǎng)絡(luò)邊緣計算能力，分別是4 GHz、8 GHz，利用第三方軟件統(tǒng)計每個用戶的平均計算延遲。實驗結(jié)果如圖4所示。

圖4 不同優(yōu)化策略下的資源優(yōu)化計算延遲結(jié)果

圖4中顯示了各個資源優(yōu)化策略在計算條件下的平均延遲，其中圖4(a)結(jié)果顯示，隨著用戶數(shù)的增加，用戶的平均延遲不斷增加，最高達(dá)到了2.3 s，在8 GHz的計算能力下，延遲雖然有所減少，但是依然比較高；圖4(b)中顯示的實驗結(jié)果與圖4(a)結(jié)果類似，平均延遲在兩種計算條件下都比較高，相比之下，圖4(c)中顯示的實驗結(jié)果平均延遲比較低，在兩種計算條件下，平均延遲均在1 s以內(nèi)，說明螢火蟲群網(wǎng)絡(luò)帶寬資源優(yōu)化策略計算更快更穩(wěn)定。

結(jié)合網(wǎng)絡(luò)帶寬資源優(yōu)化效用實驗結(jié)果綜合分析可知，提出的基于螢火蟲算法的移動邊緣計算網(wǎng)絡(luò)帶寬資源優(yōu)化策略能耗低、延遲小，整體計算性能優(yōu)于其他優(yōu)化策略。該策略可以根據(jù)網(wǎng)絡(luò)狀況和用戶需求，動態(tài)地調(diào)整網(wǎng)絡(luò)帶寬資源的分配，提高數(shù)據(jù)傳輸效率，降低能耗。其次，該策略可以避免網(wǎng)絡(luò)擁塞和資源浪費，提高網(wǎng)絡(luò)利用率和性能，從而降低了網(wǎng)絡(luò)延遲和能耗。最后，該策略可以充分利用邊緣設(shè)備的計算和存儲資源，減少云端數(shù)據(jù)處理和存儲的負(fù)擔(dān)，進(jìn)一步降低了能耗。

3 結(jié)束語

本文提出了一種基于螢火蟲算法的帶寬資源優(yōu)化策略，通過將網(wǎng)絡(luò)帶寬分配給用戶并確定用戶最大延遲時間，計算網(wǎng)絡(luò)能耗，然后使用螢火蟲算法優(yōu)化帶寬。該方法不僅能夠解決多用戶系統(tǒng)中的資源分配問題，還可以有效地降低網(wǎng)絡(luò)延遲和提高用戶滿意度。此外，通過與其他優(yōu)化策略進(jìn)行對比，可以發(fā)現(xiàn)本文提出的算法在收斂速度和計算性能方面都具有優(yōu)勢，本文的研究工作對移動邊緣計算系統(tǒng)的性能分析和優(yōu)化具有一定的指導(dǎo)意義。但是，隨著網(wǎng)絡(luò)環(huán)境的不斷變化，本文提出的策略還有進(jìn)步的空間，未來的研究工作可以考慮以下兩點：

1)在未來的研究中，我們將考慮更多的因素，例如基于移動邊緣計算的物聯(lián)網(wǎng)服務(wù)、基于邊緣計算的遠(yuǎn)程醫(yī)療、智能交通和工業(yè)物聯(lián)網(wǎng)等應(yīng)用場景。同時，還可以研究基于移動邊緣計算系統(tǒng)的邊緣云計算服務(wù)模式和服務(wù)質(zhì)量保證機(jī)制。

2)在優(yōu)化過程中如何分析邊緣網(wǎng)絡(luò)中設(shè)備對用戶響應(yīng)時間的影響；如何通過改進(jìn)螢火蟲算法來提高算法在多用戶系統(tǒng)中的計算性能；以及如何提高系統(tǒng)性能以適應(yīng)用戶動態(tài)變化時對帶寬資源的需求。