A wide variety of novel services have been envisioned lately due to wearable gadgets, autonomous vehicles, and IoT applications. These services cannot directly be implemented using centralized cloud computing infrastructure due to large Wide Area Network (WAN) delays. Recently, edge computing is proposed to comply with the requirements of these services, where resilient local servers are accessed through fast wireless links. With this approach, real-time service access can be achieved by handling the user requests at the edge computing infrastructure. Since edge and cloud servers may potentially cooperate, operators can maximize their revenues by optimally deploying the computational resources, distributing the services within the network, and assigning the tasks generated by the end-users. These decisions, each of which is a difficult task on its own, are integrated in this study and formulated as a mixed-integer linear programming (MILP) model to optimally design a multi-tier computation structure. Because of the scalability issue, a heuristic algorithm based on the Lagrangian relaxation of the MILP formulation is proposed to solve larger instances. Additionally, in order to provide an opportunity for the operators to find a feasible solution in a very short time, a greedy heuristic approach is presented. To evaluate the performance of the proposed methods, computational experiments are conducted on a broad suite of randomly generated topologies. The results indicate that the proposed approaches can obtain high-quality solutions within the given time limit.

由于可穿戴设备、自动驾驶汽车和物联网应用，最近设想了各种各样的新服务。由于大的广域网 (WAN) 延迟，这些服务无法使用集中式云计算基础设施直接实施。最近，提出了边缘计算来满足这些服务的要求，其中通过快速无线链接访问弹性本地服务器。通过这种方法，可以通过在边缘计算基础设施上处理用户请求来实现实时服务访问。由于边缘服务器和云服务器可能会合作，运营商可以通过优化部署计算资源、在网络内分配服务以及分配最终用户生成的任务来最大化他们的收入。这些决定，每一项本身都是一项艰巨的任务，在本研究中被整合并制定为混合整数线性规划 (MILP) 模型，以优化设计多层计算结构。由于可扩展性问题，提出了一种基于 MILP 公式的拉格朗日松弛的启发式算法来解决更大的实例。此外，为了让运营商有机会在很短的时间内找到可行的解决方案，提出了贪婪启发式方法。为了评估所提出方法的性能，在一系列随机生成的拓扑上进行了计算实验。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。集成在本研究中，并制定为混合整数线性规划 (MILP) 模型，以优化设计多层计算结构。由于可扩展性问题，提出了一种基于 MILP 公式的拉格朗日松弛的启发式算法来解决更大的实例。此外，为了让运营商有机会在很短的时间内找到可行的解决方案，提出了贪婪启发式方法。为了评估所提出方法的性能，在一系列随机生成的拓扑上进行了计算实验。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。集成在本研究中，并制定为混合整数线性规划 (MILP) 模型，以优化设计多层计算结构。由于可扩展性问题，提出了一种基于 MILP 公式的拉格朗日松弛的启发式算法来解决更大的实例。此外，为了让运营商有机会在很短的时间内找到可行的解决方案，提出了贪婪启发式方法。为了评估所提出方法的性能，在一系列随机生成的拓扑上进行了计算实验。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。提出了一种基于 MILP 公式的拉格朗日松弛的启发式算法来解决更大的实例。此外，为了让运营商有机会在很短的时间内找到可行的解决方案，提出了贪婪启发式方法。为了评估所提出方法的性能，在一系列随机生成的拓扑上进行了计算实验。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。提出了一种基于 MILP 公式的拉格朗日松弛的启发式算法来解决更大的实例。此外，为了让运营商有机会在很短的时间内找到可行的解决方案，提出了贪婪启发式方法。为了评估所提出方法的性能，在一系列随机生成的拓扑上进行了计算实验。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。计算实验是在广泛的随机生成拓扑上进行的。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。计算实验是在广泛的随机生成拓扑上进行的。结果表明，所提出的方法可以在给定的时间内获得高质量的解决方案。