实验室高振国老师和IEEE Fellow、美国路易斯安娜大学Hsiao-Chun Wu教授指导学生许庆龙等撰写论文被顶刊《IEEE Internet of Things Journal》录用! 

论文题目为Budget-constrained Edge server expansion deployment via genetic algorithm and particle swarm optimization。

目前已在线发表https://doi.org/10.1109/JIOT.2025.3600354

。该工作得到了国家自然基金支持(编号62372190)。

移动边缘计算通过将任务卸载到附近的边缘服务器，提升低性能终端设备的处理能力，为延迟敏感型、计算密集型任务提供及时响应。然而，此类任务的

快速持续增长可能很快超出初始部署的边缘服务器系统的承载能力。这就需要在复用已部署服务器以节省投资的同时新增服务器，由此催生了一种名为

 “边缘服务器扩展部署（ESED）” 的新型范式。

针对这一 ESED 范式，本文以同时最小化终端设备与边缘服务器间的平均访问延迟以及服务器间的负载偏差为目标，研究了特定预算约束条件下的预算

受限边缘服务器扩展部署（BC-ESED）问题。我们将该问题建模为多目标优化问题，并证明其具有 NP 难特性。随后，结合遗传算法（GA）和粒子群

优化（PSO），提出了一种名为 GA-PSO 的算法。该算法采用选择、交叉、变异和修正的四步迭代框架，其中在交叉步骤中，受 PSO 启发设计的新型

三方全局最优 - 局部最优 - 个体交叉操作，对传统的两方交叉操作进行了补充。本文还对 GA-PSO 算法的收敛性和时间复杂度进行了分析与验证。

基于真实网络拓扑和上海电信基站数据集的负载数据进行的仿真结果表明，在平均访问延迟和负载偏差方面，GA-PSO 算法的性能优于其他基准算法。