面向用户体验及服务质量的移动云计算网络动态资源管理方法研究

发布时间：2017-10-27 00:09

  本文关键词：面向用户体验及服务质量的移动云计算网络动态资源管理方法研究

  更多相关文章： 无线通信 移动云计算 动态资源管理 Restless Bandits模型 Stackelberg博弈

【摘要】：在移动云计算网络(Mobile Cloud Computing,MCC)中,用户通过异构移动网络获取云计算服务,其中无线资源和云资源都可能成为系统性能提升的瓶颈。然而目前的移动云计算网络将云资源和无线资源分别进行独立管理,难以满足端对端的用户服务质量要求和体验。针对目前移动云计算网络系统忽略对用户需求、移动网络和云服务器三者综合异构性考虑的现状,本文主要研究在移动云计算网络中面向用户服务质量和体验的资源综合管理技术,其中包括移动云视频传输中的计算和无线资源协同调度方法、基于服务质量(Quality of Service,QoS)的移动云计算网络动态资源管理方法和基于Stackelberg博弈的绿色移动云游戏系统研究三方面。本文首先研究移动云视频传输中的计算和无线资源协同调度方法,提出一种针对视频在移动云计算网络传输过程中的云和移动资源联合管理方法,通过完善重要的视频应用层参数(帧内刷新率),以最小化视频失真为目标,构建无休止赌博机(Restless Bandits,RB)模型来提高面向视频传输的移动云网络计算系统中的端对端性能。Restless Bandits模型具有“索引”特性,用户可以通过选取项目的优先权索引值(priority-index)将求解最优化问题转化为分布式对象选择问题,索引值可以在离线状态下通过线性规划放宽(Linear Programming Relaxation)和原始双重索引探索法(Primal-dual Index Heuristic)求得,并存储在索引表(index table)中,以供线上查询,因此能显著地降低在线运算量和实施复杂度。本文还研究了基于服务质量的异构移动云计算网络中资源管理方法,设计包含移动接入网络和云计算网络的异构网络来满足用户的不同服务质量要求,同时提出一种跨网络、可感知服务质量且最大化用户收益的无线和云资源联合管理方法,并将此资源管理问题建模为Restless Bandits模型进行求解。本文最后针对云游戏业务,研究基于Stackelberg博弈的绿色移动云游戏系统。在此系统中,设计了一种新型的三层云游戏系统架构来提高用户之间的交互性。研究系统中云服务器和用户之间的资源分配问题,包括下载模块的数量、定价和传递过程中能源消耗问题。在构建Stackelberg模型和效用函数(Utility Function)的基础上,利用逆向归纳法求解系统最优解。系统的三层架构和动态交互过程有利于多用户环境下资源的合理分配,可以保证在有效地处理云、移动网络和用户终端三者关系的基础上满足用户的服务质量与体验,并达到绿色和高效利用资源等目的。
【关键词】：无线通信 移动云计算 动态资源管理 Restless Bandits模型 Stackelberg博弈
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5;TP393.0
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 课题研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.2.1 移动云计算网络的发展12-14
• 1.2.2 移动云游戏的发展14
• 1.3 论文主要研究内容和结构安排14-17
• 第2章 移动云计算网络中的资源管理技术17-27
• 2.1 云计算网络中的资源管理技术17-19
• 2.1.1 云计算定义及特征17
• 2.1.2 云计算平台架构17-18
• 2.1.3 云计算资源的定义和特点18-19
• 2.1.4 虚拟化技术19
• 2.2 移动网络中的动态频谱管理技术19-23
• 2.2.1 移动网络架构19-20
• 2.2.2 动态频谱管理框架研究20-21
• 2.2.3 小蜂窝认知网络体系结构21-23
• 2.3 移动云计算网络系统中动态资源协同管理方法23-26
• 2.3.1 移动云计算网络系统架构23-24
• 2.3.2 资源管理问题分析24-25
• 2.3.3 动态资源协同管理方法研究25-26
• 2.4 本章小结26-27
• 第3章 Restless Bandits模型和Stackelberg博弈27-45
• 3.1 部分可观测马尔科夫决策过程27-31
• 3.1.1 基本模型28-29
• 3.1.2 最优策略及求解29-31
• 3.2 MAB模型31-32
• 3.2.1 基本模型31-32
• 3.2.2 MAB问题求解32
• 3.3 Restless Bandits模型32-38
• 3.3.1 基本模型33
• 3.3.2 Restless Bandits模型求解33-38
• 3.4 Stackelberg博弈的原理及应用38-43
• 3.4.1 博弈论原理及应用39-40
• 3.4.2 Stackelberg博弈40-43
• 3.5 本章小结43-45
• 第4章 移动云视频传输中的计算和无线资源协同调度方法研究45-59
• 4.1 引言45-46
• 4.2 系统模型46-48
• 4.2.1 云网络抽象模型47
• 4.2.2 视频失真模型47-48
• 4.2.3 系统优化目标48
• 4.3 Restless Bandits建模求解48-53
• 4.3.1 系统状态48-49
• 4.3.2 用户动作和策略49
• 4.3.3 一步转移概率计算49-52
• 4.3.4 优化目标52-53
• 4.4 动态资源决策过程53-54
• 4.4.1 离线计算53
• 4.4.2 在线联合资源管理53-54
• 4.5 仿真结果及分析54-57
• 4.5.1 参数设置54-55
• 4.5.2 结果分析55-57
• 4.6 本章小结57-59
• 第5章 基于QoS的移动云计算网络动态资源管理方法研究59-77
• 5.1 引言59
• 5.2 系统建模59-62
• 5.2.1 异构移动云计算网络60
• 5.2.2 移动接入网络模型60
• 5.2.3 云网络抽象模型60-61
• 5.2.4 用户服务模型61-62
• 5.3 Restless Bandits建模求解62-66
• 5.3.1 系统状态62-63
• 5.3.2 一步状态转移概率63-65
• 5.3.3 系统收益及用户策略65-66
• 5.3.4 Restless Bandits问题求解66
• 5.4 动态资源管理过程66-69
• 5.4.1 移动网络资源管理过程67
• 5.4.2 云资源管理过程67-68
• 5.4.3 计算复杂性分析68-69
• 5.5 仿真结果及分析69-75
• 5.5.1 参数设置69-70
• 5.5.2 结果分析70-75
• 5.6 本章小结75-77
• 第6章 基于Stackelberg博弈的绿色移动云游戏研究77-93
• 6.1 引言77-78
• 6.2 系统建模78-81
• 6.2.1 网络架构78
• 6.2.2 系统模型78-79
• 6.2.3 信道模型79-81
• 6.3 移动云游戏中Stackelberg模型的构建81-83
• 6.3.1 关于云服务中云游戏模块定价问题研究81-82
• 6.3.2 关于主用户的云游戏模块下载数量问题研究82
• 6.3.3 关于分配给共享用户的能耗问题研究82-83
• 6.4 Stackelberg模型的求解83-86
• 6.4.1 能耗最优解83-84
• 6.4.2 模块下载数量的最优解84-85
• 6.4.3 游戏模块定价问题求解85-86
• 6.5 仿真结果及分析86-91
• 6.5.1 参数设置86
• 6.5.2 仿真结果86-91
• 6.6 本章小结91-93
• 结论93-95
• 参考文献95-99
• 攻读硕士学位期间所发表的学术论文99-101
• 致谢101

，

本文编号：1101053