This article considers a wireless powered multiuser mobile edge computing (MEC) system, in which a multi-antenna hybrid access point (AP) wirelessly charges multiple users, and each user relies on the harvested energy to execute computation tasks. We jointly optimize the energy beamforming and remote task execution at the AP, as well as the local computing and task offloading, aiming to minimize the total system energy consumption over a finite time horizon, subject to causality constraints for both energy harvesting and task arrival at the users. In particular, we consider a practical scenario with casual task state information (TSI) and channel state information (CSI), i.e., only the current and previous TSI and CSI are available, but the future TSI and CSI can only be predicted subject to certain errors. To solve this real-time resource allocation problem, we propose an offline-optimization inspired online design approach. First, we consider the offline optimization case by assuming that the TSI and CSI are perfectly known a-priori. In this case, the energy minimization problem corresponds to a convex problem, for which the semi-closed-form optimal solution is obtained via the Lagrange duality method. Next, inspired by the optimal offline solution, we propose a sliding-window based online resource allocation design in practical cases by integrating with the sequential optimization. Finally, numerical results show that the proposed joint wireless powered MEC designs significantly improve the system’s energy efficiency, as compared with the benchmark schemes that consider a sliding window of size one or without such joint optimization.

中文翻译：

---

具有能量和任务因果关系的无线供电多用户移动边缘计算的实时资源分配

本文考虑无线供电的多用户移动边缘计算 (MEC) 系统，其中多天线混合接入点 (AP) 对多个用户进行无线充电，每个用户依靠收集的能量来执行计算任务。我们共同优化 AP 的能量波束成形和远程任务执行，以及本地计算和任务卸载，旨在在有限的时间范围内最小化系统总能耗，受能量收集和任务到达的因果关系约束用户。特别地，我们考虑了一个具有临时任务状态信息（TSI）和信道状态信息（CSI）的实际场景，即只有当前和以前的 TSI 和 CSI 可用，但未来的 TSI 和 CSI 只能在特定条件下进行预测错误。为了解决这个实时资源分配问题，我们提出了一种离线优化启发的在线设计方法。首先，我们通过假设 TSI 和 CSI 是完全已知的先验来考虑离线优化情况。在这种情况下，能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。我们提出了一种离线优化启发的在线设计方法。首先，我们通过假设 TSI 和 CSI 是完全已知的先验来考虑离线优化情况。在这种情况下，能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。我们提出了一种离线优化启发的在线设计方法。首先，我们通过假设 TSI 和 CSI 是完全已知的先验来考虑离线优化情况。在这种情况下，能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。首先，我们通过假设 TSI 和 CSI 是完全已知的先验来考虑离线优化情况。在这种情况下，能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。首先，我们通过假设 TSI 和 CSI 是完全已知的先验来考虑离线优化情况。在这种情况下，能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。能量最小化问题对应一个凸问题，通过拉格朗日对偶法得到半封闭形式的最优解。接下来，受最优离线解决方案的启发，我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。我们通过与顺序优化相结合，在实际案例中提出了一种基于滑动窗口的在线资源分配设计。最后，数值结果表明，与考虑大小为 1 或没有此类联合优化的滑动窗口的基准方案相比，所提出的联合无线供电 MEC 设计显着提高了系统的能源效率。