移动边缘计算网络联合计算迁移决策与资源分配算法研究

发布时间：2020-05-20 01:21

【摘要】：移动边缘计算(mobile edge computing,MEC)技术通过在网络入口处部署服务器,为移动用户提供高可靠、低时延的计算与通信服务,旨在解决移动用户计算密集型任务递增但自身计算能力与电池容量受限、云计算资源丰富但接入能力受限以及移动宽带业务显著增长但承载网管道化三个矛盾。用户利用MEC可将计算密集型任务迁移到边缘服务器执行,从而增强用户的计算能力,降低设备能耗,且无需接入远端云,减小骨干网拥塞与服务响应延迟。在MEC系统中,由于计算与通信耦合,用户感知性能依赖于计算与通信资源的联合分配,且资源分配取决于迁移用户集,故多用户联合资源竞争与迁移决策也会影响迁移性能。本文以提升系统和用户迁移服务性能为目标,研究基于移动边缘计算的多用户超密集网络和基于非平衡MEC部署多用户多任务网络的迁移决策和资源分配问题,主要研究内容概括如下:(1)研究基于移动边缘云的超密集网络用户迁移决策与联合资源分配。针对MEC与超密集网络融合场景,多个基站通过回程链路接入同一边缘服务器,网络中同时存在计算服务请求用户与通信服务请求用户,每个计算服务请求用户有单个计算密集型任务需要处理,而通信服务请求用户具有最小速率需求,研究联合信道分配、功率分配和计算资源分配,在保障通信用户最小速率需求下最小化计算用户迁移服务时延-能耗权重和。通过分析问题结构,原问题分解为计算资源分配问题以及联合信道分配与功率分配问题。对于计算资源分配问题,采用KKT条件获得最优解。对于联合信道分配与功率分配问题,进一步将其分解为功率分配问题和信道分配问题交替优化,提出两种启发式算法(CEP和ECEP)求次优解。仿真分析计算迁移用户数、任务复杂度、时延权重和用户权重变化与算法性能之间的关系,结果表明:ECEP较CEP能获得更小的时延-能耗权重和。(2)研究多用户多任务场景下基于非平衡边缘云的计算迁移。多个接入点通过回程链路共享和接入多个边缘云服务器,每个用户有多个计算密集、时延敏感任务需要处理。与现有研究不同,除考虑用户到接入点的传输时延和能耗之外,引入边缘云服务器接入成本,设计针对迁移决策和资源分配的迁移成本指标——时延-能耗-成本折中。研究最小化所有用户迁移成本和(基于效率)问题和最小化移动用户最大迁移成本(基于公平)问题,提出一组集中式启发式算法(基于效率的CGA、MGA和基于公平性的FGA算法)求次优解,通过仿真分析验证了算法的有效性和公平性。
【图文】：

图 1.1 移动边缘计算架构Fig.1.1 The mobile edge computing architecture外研究现状算迁移是指将移动用户的计算密集型或时延敏感型任以扩展 MU 的计算能力并提升用户体验（减小任务完成界的广泛关注。MEC 计算迁移涉及迁移决策与资源分，资源分配面临挑战。近年来，，MEC 计算迁移针对资下来分别从任务属性建模、通信资源建模、计算资源述 MEC 资源分配的研究现状。属性建模研究现状用种类多，任务属性差异大。不同任务有不同的资源对二元迁移任务[7, 8] [9]和部分迁移任务[10-13]的资源分配体在本地或迁移到 ECS 处理，如高度集成或相对简单，二元迁移决策（本地计算或迁移计算）旨在提升用户

2 MEC 资源分配基础知识迁移可以扩展移动设备的计算能力并提升用户体验，算迁移性能。本章首先介绍 MEC 服务过程，其次介绍耗，最后从最优化和博弈论角度介绍计算迁移问题的EC 服务实例：增强现实（augmented reality, AR）作为一种新型移动应用，将应用领域广泛。如在移动游戏中，将虚拟对象投射到AR 的关键组件如图 2.1 所示，包括视频源（获取原始位置）、映射器（构建模型环境）、对象识别器（识别器（准备被处理帧以进行显示）[34]。其中大部分组件时延敏感型，电池续航和计算能力有限的移动设备面可采用 MEC 处理增强现实任务。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.09

【相似文献】

相关期刊论文 前10条

1 车明康;;性能比8096强一倍的80C 196 16位单片机[J];微电子学与计算机;1988年12期

2 杨志豪;赵太银;姚兴苗;李磊;;一种适应数据与计算密集型任务的私有云系统实现研究[J];计算机应用研究;2011年02期

3 赵吉志;;5600系列处理器浅析[J];科技浪潮;2010年04期

4 ;成品油零售求变 安腾2在计算密集型应用方案[J];信息系统工程;2004年03期

5 ;AlphaServer DS20强化64位计算[J];每周电脑报;1999年06期

6 江先阳;刘新春;张佩珩;孙凝晖;徐志伟;;计算密集型体系集成DDR SDRAM控制器设计[J];计算机工程与科学;2006年03期

7 史红周,李锦涛,郭俊波,黄晁,叶剑;图形终端应用协议中计算密集型操作的分布技术[J];计算机辅助设计与图形学学报;2005年04期

8 朱敏;刘雷波;尹首一;杨晨;王文杰;魏少军;;H.264计算密集型任务在可重构处理器上的映射[J];电路与系统学报;2013年02期

9 王尚万家;;教你打造终极游戏机[J];当代职校生;2004年11期

10 殷开爽;骆丽;;基于SOPC的MPEG-4视频播放器[J];单片机与嵌入式系统应用;2006年05期

相关会议论文 前2条

1 张盛;张明华;刘雅杰;;云平台SaaS模式下位场数据处理软件设计与实现[A];2017中国地球科学联合学术年会论文集（四十二）——专题81：应用地球物理学前沿、专题82：工程结构性态化设计与地震韧性、专题83：地球重力场及其地学应用[C];2017年

2 刘滨;石峰;;基三分层互连网络中负载平衡的研究与仿真[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

相关重要报纸文章 前10条

1 赛迪评测计算机整机实验室;图形/计算密集型应用用户的选择[N];中国计算机报;2003年

2 ;计算场为PC带来力量[N];网络世界;2001年

3 ;IBM启动高性能计算计划[N];计算机世界;2007年

4 本报记者 逄丹;高性能计算和云计算是否可以调和？[N];通信产业报;2011年

5 云中子;解析新时代下的高性能计算[N];中国信息化周报;2015年

6 计算机世界评测实验室 于泽;小身材 大内涵[N];计算机世界;2012年

7 安琳 赛迪智库软件与信息服务业研究所;移动云计算发展亟须突破四大瓶颈[N];通信产业报;2014年

8 ;IBM TotalStorage DS4800[N];中国电子报;2005年

9 ;Linux更快 更强 更企业[N];网络世界;2004年

10 刘洪宇;IDF2009预示快速创新与整合风向[N];中国计算机报;2009年

相关博士学位论文 前1条

1 管茂林;面向计算密集型嵌入式应用的VLIW编译优化技术研究[D];国防科学技术大学;2012年

相关硕士学位论文 前10条

1 肖骞;移动边缘计算网络联合计算迁移决策与资源分配算法研究[D];重庆大学;2018年

2 刘国强;基于移动边缘计算的任务卸载策略研究[D];哈尔滨工业大学;2018年

3 盛冲冲;计算密集型应用在新型众核处理机环境下的实现及性能[D];复旦大学;2014年

4 郭俊武;移动云环境下的计算密集型任务迁移技术[D];哈尔滨工业大学;2015年

5 高哲;基于能耗的云迁移方法研究[D];西安理工大学;2016年

6 王福友;计算密集型应用下嵌入式双机容错系统研究与实现[D];西南交通大学;2014年

7 高文;一种针对计算密集型任务的异构多核结构的设计与研究[D];上海交通大学;2009年

8 李双全;移动自组织云中任务卸载决策的研究[D];云南大学;2014年

9 王W

本文编号：2671787