面向物联网的移动边缘计算多维QoS评价与优化综述

随着物联网的普及，物联网MEC的QoS评估和优化已引起学术界和工业界越来越多的关注。已有一些关于MEC的综述通常侧重于某些特定问题（如任务卸载、激励机制和拍卖方案），或研究某一单一QoS指标（如能耗或安全性）。本文旨在从多维角度研究QoS问题，讨论QoS评估与优化的最新方法。同时，本文还试图探讨边缘智能时代新兴技术带来的QoS管理挑战，期望能激发未来的进一步研究。

主要内容:

图1 物联网移动边缘计算多维QoS评估与优化综述

如图1所示，本文对物联网MEC多维QoS评价和优化问题进行了全面综述。首先讨论了多维QoS指标，将QoS指标分为四个维度，即性能、可靠性、能效和经济因素，其中，每个维度中还包含多个属性。本文给出了各个属性的定义，并讨论了各个属性之间存在的相互关系。

之后，本文调研并分类了QoS评价方法。QoS评价可以为系统的设计和优化提供一个基准，QoS评价的主要任务是分析系统配置、工作负载、决策等因素对QoS指标的影响。目前广泛采用的QoS评价方法可分为三类，即基于测量的方法、基于仿真的方法和基于分析的方法，本文总结了不同QoS评价方法的优缺点。

在进行QoS评价后，下一步是根据用户或服务提供商的需求来优化QoS指标。本文从QoS优化的角度出发，讨论了任务卸载、资源分配、边缘缓存、服务迁移、用户分配、协同计算、定价激励等研究问题，并介绍了常见的QoS优化模型及其相应的解决方案，其中，QoS优化的基本步骤主要包括：1）构建优化模型，2）使用特定方案或算法求解模型。优化模型可分为两类：一类是可以通过数学方法或数值法解决的静态优化模型，另一类是可以使用迭代算法或智能优化方法解决的动态优化模型。针对不同的优化模型，总结了现有研究常用的静态和动态优化方法，并比较了静态和动态优化方法的优缺点。

最后，如何评估和优化边缘智能中的QoS是最具挑战性的任务之一，本文列举了一些新兴的边缘智能技术，讨论了其中的QoS评估和优化问题，并针对边缘智能场景提供了一些关于未来研究方向的探讨和展望。

总结：

       本文对物联网移动边缘计算多维服务质量（QoS）评价与优化的现有研究进行了综述。QoS评价方面，总结了多维多属性QoS指标，介绍了QoS评价方法。QoS优化方面，总结了主要研究问题，介绍了优化模型及相应的解决方案。最后，探讨了边缘智能时代QoS评价与优化相关的新课题和新方法，并讨论了面临的挑战和未来的研究方向。

作者简介:

       黄霁崴，教授，博士生导师，中国石油大学（北京）人工智能学院副院长，石油数据挖掘北京市重点实验室主任。入选北京市优秀人才、北京市科技新星、北京市国家治理青年人才、昌聚工程青年人才、中国石油大学（北京）优秀青年学者。本科和博士毕业于清华大学计算机科学与技术系，美国佐治亚理工学院联合培养博士生。研究方向包括：物联网、服务计算、边缘智能等。已主持国家自然科学基金、国家重点研发计划、北京市自然科学基金等科研项目18项；以第一/通讯作者在国内外著名期刊和会议发表学术论文60余篇，其中1篇获得中国科协优秀论文奖，2篇入选ESI热点论文，4篇入选ESI高被引论文；出版学术专著1部；获得国家发明专利6项、软件著作权4项；获得中国通信学会科学技术一等奖1项、中国产学研合作创新成果一等奖1项、广东省计算机学会科学技术二等奖1项。担任中国计算机学会(CCF)服务计算专委会委员，CCF和IEEE高级会员，电子学报、Chinese Journal of Electronics、Scientific Programming等期刊编委。联系方式：huangjw@cup.edu.cn。