车联网场景下移动边缘计算的资源调度方法研究

发布时间：2021-06-26 22:44

　　随着车联网的兴起,新的车载应用不断涌现,车载应用需要对自身和周围其他车辆的视频、图像、声音等传感器数进行处理,数据量十分巨大,而且处理这些传感器数据需要强大的计算能力,车辆计算能力有限,所以需要将此类计算密集型任务上传到数据中心进行处理。任务上传数据量巨大,而且对延时要求苛刻,并需要高可靠性保障。对于这种“高带宽、低延时、高可靠性”的应用场景,MEC技术是解决此问题的一个很好选择。现有LTE架构与MEC技术融合之后,在微基站、宏基站和互联网处都会部署有数据中心处理用户的请求,同时用户可以选择接入宏基站或微基站。用户的接入选择、任务卸载目的地选择以及任务卸载过程中无线和计算资源分配都会影响整个系统任务执行效率。本文主要研究任务卸载决策以及无线和计算资源分配问题,在保障每个任务需求前提下,使得任务平均完成时间最小,提高整个系统任务执行效率。本文提出了任务卸载与资源分配联合优化（Jointly Task Offloading and Resource Allocation Optimization,TORA）算法,将任务卸载决策和资源分配问题分解为两个子问题,分别求解两个最优化的子问题。并且... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

单位时间用户数对平均任务完成时间的影响

华 中 科 技 大 学 硕 士 学 位 论 文，虽然随后求得最优的资源分配方案，可以弥补任务卸载随机选择的不足，他算法相比，还是降低了系统任务执行效率。当单位时间任务数足够大，即拥堵时，TORA 算法任务平均完成时间比理论下界多 23.7%，UTO 比理论 50.4%，RTO 算法多出 85.3%，可以看出 TORA 算法明显优于其他两种算法.2 任务上传数据量对任务卸载的影响我们假设用户数为 500，对于用户任务 ，其上传数据 服从均值为 d 的，计算任务所需 CPU 周期数 服从均值为 0.5 Gigacycles 的正态分布,通我们分析任务上传数据对任务平均完成时间的影响。

华 中 科 技 大 学 硕 士 学 位 论 文他两种算法要好，当上传数据量很大时，TORA 算法仅仅比理论下界多出 5.1O 算法比理论下界多出 20.3%，RTO 算法比理论下界多出 34.5%。TORA 算于其他两种算法。.3 任务所需 CPU 周期数对任务卸载的影响我们假设用户数为 500，对于用户任务 ，其上传数据 服从均值为 10M分布，计算任务所需 CPU 周期数 服从均值为 c 的正态分布,通过仿真，执行任务所需 CPU 周期数对任务平均完成时间的影响。

【参考文献】：
期刊论文
[1]面向5G需求的移动边缘计算[J]. 田辉,范绍帅,吕昕晨,赵鹏涛,贺硕.  北京邮电大学学报. 2017(02)
[2]多元函数凹凸性的定义和判别法[J]. 宋礼民.  高等数学研究. 2014(04)



本文编号：3252242