移动边缘计算中多用户计算卸载在线策略研究文献综述

随着移动设备的普及和计算密集型应用的快速发展，移动设备的有限计算能力和电池续航能力成为制约其发展的主要瓶颈。

移动边缘计算（MobileEdgeComputing，MEC）作为一种新兴的计算范式，通过将计算任务卸载到网络边缘的服务器上执行，为移动设备提供了一种有效的解决方案。

然而，在多用户MEC系统中，由于用户需求、信道条件和计算资源的动态变化，如何设计高效、实时的计算卸载策略成为了一个关键挑战。

在线学习作为一种能够适应动态环境的机器学习方法，为解决这一问题提供了新的思路。

本文针对移动边缘计算中多用户计算卸载在线策略研究这一主题，首先介绍了移动边缘计算和多用户计算卸载的基本概念，并对相关研究进行了综述。

然后，重点阐述了基于在线学习的计算卸载策略，包括基于强化学习和在线凸优化的方法。

最后，对未来的研究方向进行了展望。

关键词：移动边缘计算；计算卸载；在线学习；强化学习；在线凸优化

#1.1移动边缘计算移动边缘计算（MEC）是一种将计算和存储资源部署在网络边缘，靠近数据源的技术。

与云计算相比，MEC具有低延迟、高带宽、位置感知等优势，能够为用户提供更好的服务体验。