面向工业边缘计算的智能决策研究

发布时间：2023-02-08 07:31

　　随着“互联网+”概念的不断延伸,利用信息技术及互联网平台实现互联网与工业深度融合的技术不断发展,工业4.0成为当前的一个研究热词。工业生产面临任务量不断增加、需求复杂多变难以预知的难题。针对工业生产过程中出现任务滞后、网络拥塞、可靠性不高等问题可利用边缘计算模式来降低时延满足工业生产实时性需求,然而边缘计算的计算能力及存储能力有限,难以应对海量数据决策需求,因此如何在大数据背景下利用有限的计算资源协同调度多用户多服务器,来满足工业物联网实时性及可靠性需求是一项具有重大研究意义的工作。本文充分分析目前国内外关于智能边缘计算场景下任务调度相关文献。首先建立了基于工业边缘计算网络架构的智能决策模型,采取用户端、MEC(Multi-access Edge Computing)多接入边缘服务器端、中央处理器端(云端)三端协作的模式应对大数据处理需求。为使系统智能化,针对用户端采集数据后随机向MEC服务器发送计算卸载请求存在任务卸载滞后率高、滞后时间长的问题,设计了基于 DG(Dynamic programming Greedy algorithm)算法的任务卸载方案。针对MEC服务器同时接收多用...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 论文背景与意义
    1.2 国内外研究现状
        1.2.1 基于机器学习的数据处理
        1.2.2 多边缘服务器任务卸载
        1.2.3 计算卸载
    1.3 本文的研究内容
    1.4 本文的章节安排
第二章 基于工业边缘计算的智能决策模型
    2.1 基于工业边缘计算的智能决策模型分析
        2.1.1 问题背景
        2.1.2 边缘计算
        2.1.3 智能边缘计算
    2.2 基于工业边缘计算智能决策问题建模
        2.2.1 多MEC服务器多任务卸载问题建模
        2.2.2 MEC服务器同时接收多任务计算卸载问题建模
    2.3 模型评估
        2.3.1 模型数据量评估
        2.3.2 模型运行时间评估
    2.4 本章小结
第三章 基于DG算法的任务卸载方案
    3.1 0-1背包问题
    3.2 问题转化
        3.2.1 问题分析
        3.2.2 NP-hard证明
    3.3 DG算法
        3.3.1 算法分析
        3.3.2 算法设计
    3.4 仿真实验
    3.5 结果分析
    3.6 本章小结
第四章 MEC服务器基于数据流相关性的多任务计算卸载方案
    4.1 数据流相关性介绍
    4.2 基于数据流相关性的重复优先算法
        4.2.1 重复优先算法流程
        4.2.2 仿真实验
        4.2.3 结果分析
    4.3 基于数据流相关性的TMF算法
        4.3.1 拓扑排序
        4.3.2 TMF算法流程
        4.3.3 仿真实验
        4.3.4 结果分析
    4.4 实例说明
    4.5 本章小结
第五章 总结与展望
    5.1 本文研究工作总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间的科研成果



本文编号：3737585