基于MEC辅助的车辆编队任务卸载决策研究

发布时间：2020-12-26 15:22

　　在未来蜂窝车联网中,由于车辆终端有限的计算资源,无法单独依靠车辆自身去完成一些任务,比如计算密集型任务。只在车辆终端上执行任务不仅会产生过高的计算负载,而且还会消耗车辆自身大量的能量,从而增加用户的计算成本,减少车辆的电池寿命。而移动边缘计算(Mobile Edge Computing,MEC)是提升车辆计算能力的关键技术之一,其拥有大量的计算资源,且用户可以通过将任务卸载至MEC减少执行成本与能耗,从而引起了研究者普遍的关注。蜂窝车联网能够为车辆用户提供更为安全、更具体验性的服务,能够提高车辆在道路上行驶的安全性。然而车辆任务拓扑模型的多样化、任务抵达的随机性以及执行任务对资源的高需求性,使得在蜂窝车联网中实现任务卸载更具挑战性。目前研究基于移动边缘计算辅助网络框架的任务卸载,主要考虑的是任务卸载成本、任务执行时间、延迟等相关方面,并未考虑在车辆编队中实现任务的最优卸载。针对此问题,本论文基于聚合成本的拉格朗日松弛算法,结合任务的线性拓扑模型,以优化任务卸载成本为目标,提出了一种由MEC服务器辅助的车辆编队最小成本协同任务卸载的决策方法。应用任务的各个子任务之间存在依赖关系,且车辆编... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

任务卸载决策

任务卸载决策


本文编号：2939959