优化延迟负载和成本的两阶段边缘服务器放置

边缘服务器放置问题是边缘计算环境建设的基础，高效的边缘服务器放置策略要求不仅为用户提供低延迟服务，而且要平衡边缘服务器之间的负载，同时降低边缘服务器的部署成本。现有的方法常面临着时间复杂度太高、只能得到局部最优解等问题，不适应大中城市的边缘服务器部署。提出了一种两阶段边缘服务器放置TSESP(two-stage edge server placement)策略，第一阶段针对小规模基站网络建立边缘服务器放置优化模型，以降低服务延迟、平衡负载和降低成本，并且在几个小型区域内对优化模型进行精确求解。第二阶段提出了基于机器学习的边缘服务器放置模型ESPML(edge server placement based on machine learning)，利用第一阶段优化模型得到的最优解集进行训练，然后在大规模基站网络中进行测试，ESPML模型的时间复杂度远小于指数级时间复杂度同时可以得到与最优解相似的结果。最后在上海电信基站数据集上的实验表明，与现有三种典型的边缘服务器放置方法相比，所提出的方法在访问延迟、负载平衡和成本等方面都具有良好的性能。