蜂窝网移动边缘计算系统联合资源管理

发布时间：2020-08-22 18:00

【摘要】：近年来大量涌现的新移动应用不仅要求移动通信系统能够提供高速率通信服务,还要求系统具备足够的数据存储和数据处理能力。因此单纯的通信能力改善已经不能满足用户需求。而同时具备通信、存储和计算功能的融合系统(Integrated System of Communication,Caching and Computing)不仅能够支持高效和可扩展的数据内容检索,又能够带来强大的数据处理能力。这可以大幅降低数据传输时延,减少重复内容的传输次数,并使得系统可以高效完成需要大量计算资源的任务。虽然融合系统有着光明的前景,但是在其能够大规模部署之前仍存在着诸多问题需要解决。本文将采用资源管理优化理论和方法,对融合系统进行多维度的联合资源管理研究,以解决融合系统存在的几个重要问题:通信、计算资源联合优化、任务卸载与最佳资源匹配以及存储决策与计算卸载联合优化。本文的主要创新工作如下:第一,研究融合系统计算卸载决策和干扰管理的联合优化问题。为了最小化系统的整体开销(包含计算任务执行时间和能量消耗两部分),论文提出一种基于移动边缘计算(Mobile Edge Computing,MEC)的无线蜂窝网络中计算卸载和干扰管理的联合优化方案。在此方案中,将计算卸载决策、物理资源块分配、MEC计算资源分配问题联合建模为一个系统开销最小化问题。首先,MEC服务器根据负载估计以最小化系统整体开销为原则进行卸载决策。之后,采用一种改进的低复杂度图着色算法取得最佳物理资源块分配方案和最优频率复用参数。最后,基于卸载决策和物理资源块分配方案的最优解,以最小化计算任务执行时间为目标,为移动终端分配MEC最优计算资源。上述优化目标通过求解系统总开销最小化和任务执行时间公平性保证两个凸优化问题获得移动终端的MEC最优计算资源分配方案。理论分析和仿真结果表明论文所提出的方案具备较低的复杂度,并可以有效降低系统的总开销。第二,研究计算卸载、存储决策以及频谱和计算资源分配的联合优化问题。针对传统方案对计算卸载及多资源分配非联合最优的问题,论文以最大化系统效用为目标,将无线蜂窝网的计算卸载决策、资源分配和数据内容存储策略三方面问题,联合建模为一个效用最大化问题。该优化问题的建模综合考虑可用频谱和计算资源量对计算卸载的影响,频谱和计算资源分配方案的相互影响,以及数据存储决策对系统总收益的影响,保证多资源分配的全局平衡与效用最大化。由于原始问题中二进制变量及变量乘积项的存在,问题是非凸优化问题,难以求解。论文通过变量松弛和乘积项替换两项技术将原始的非凸问题转化为一个凸问题,并给出其凸性的证明。针对集中式算法在求解该问题时的高复杂度和高信令开销的缺陷,论文进一步将问题分解为一组子问题并提出一种基于乘子交替方向方法(Alternating Direction Method of Multipliers,ADMM)的分布式算法来求解此问题。理论分析和仿真结果表明论文所提出的方案可以实现较高的系统收益,并具备快速收敛的性质和较低的计算复杂度。第三,在之前研究的基础之上,为提高视频传输中融合系统回程链路资源和存储资源的利用效率,研究基于融合系统的视频存储与转码中的存储决策、部分计算卸载决策及资源分配的联合优化问题。论文提出具有不同的时间尺度的视频存储决策和资源分配决策方案。首先研究长周期的视频存储决策优化。针对视频存储决策的优化过程中用户请求到达的不确定性和传统方案中常数网络流量约束造成的存储空间浪费问题,论文将存储决策问题建模为一个鲁棒优化问题。该问题以存储收益最大化为目标,使用基于概率的网络流量约束和存储空间约束,保证优化模型可以容忍优化参数的不确定性并充分利用存储空间,提高算法鲁棒性。其次,基于长周期视频存储最优决策,研究短周期的视频传输频谱资源和转码计算资源分配问题,采用部分计算卸载机制,以最大化系统收益为目标,将部分卸载策略、频谱和计算资源分配方案联合建模为一个优化问题。为降低信令开销并减小计算复杂度,论文使用一种分布式算法。仿真结果显示论文所提方案可以显著增加存储空间利用率并实现较高的系统收益。最后,总结全文并提出融合系统未来的可能研究方向。
【学位授予单位】：重庆邮电大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TN929.5

【相似文献】