多条件约束下边缘服务器选址策略研究

发布时间：2021-01-18 03:25

　　边缘计算是未来信息时代的重要支柱之一,例如在智慧城市,智能家居,智能交通系统中边缘计算都扮演着重要角色。近年来,边缘计算的研究工作已经成为一个热点问题,人们希望通过一种新的体系架构来使得一些需要大量计算量的计算任务能够在便携式设备上运行,例如手机,平板电脑和一些穿戴式设备。但是这些设备由于其处理器能力并不是很强大,并且受到自身电源的限制,使得这些大型的计算任务不可能直接运行在这些设备上。近年来,边缘计算的相关研究不断进步,边缘计算被认为能很好的解决这些问题。它的主要思想是将这些大型的计算任务放到离用户很近的边缘服务器上来进行。但是目前很少有研究关于边缘服务器的位置及选址问题。大家都是默认边缘服务器已经部署在一个理想的位置,从而满足边缘计算的各种需求。然而,边缘服务器的选址问题一直都是一个比较难的问题。因此,本文提出了两种关于边缘服务器选址方案来进一步推进边缘计算的发展。本文的主要工作如下:1.提出了一种基于成本效益的边缘服务器选址策略。我们在研究边缘服务器部署方案的时候,从服务提供商节约成本的角度出发,我们选择在已有的基站上来部署边缘服务器,而不是重新寻找新的位置。但是我们观察一个城市... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

单目标与多目标示意图

第二章相关算法介绍12TpxfxfxfxfxfV)](),...,(),(),([)(min321=.Xxts（2.4）mRXV-min表示向量极小化，即向量目标fi(x)中的各个子目标函数都尽可能达到极小化。（极大化和极小化问题可以相互转化，因此本文仅以极小化为例。）若RXm是多目标优化模型的约束量集，m)(Rxf是多目标优化时的向量目标函数；（1）若有解x1,x2∈X，并且任意的k=1,2,3....都有)()(21xfxfkk，则称x1比解x2优越，也就是：.,21xXxX若)()(21xfxfkk（k=1,2，...,p）并且)()(21xfxfkk（k=1,2,3,...,p）。这个就是多目标问题中的占优概念。（2）若x1比X中所有的其他解更优，效果更好，则x1是多目标模型的最优解。（3）设f(x)为多目标优化的向量目标函数，S为多目标优化的可行域。若f(X)≤f(X)X∈S则f(X)称是多目标优化的绝对最优解。若f(X)≤f(X)X∈S，则称X是多目标优化问题的非劣解。即Pareto最优解。非劣解也称为有效解(EfficientSolution)、非支配解(Non-dominatedSolution)、Pareto最优解(ParetoOptimalSolution)或Pareto解。多目标优化问题的非劣解一般情况下不止一个，由这些非劣解组成的集合称为非劣解集(Non-inferiorSet)。这些非劣解集对应的目标函数则构成了多目标问题的Pareto前缘，也称为非劣解。由上述定义可知，多目标优化问题的最优解x1就是使目标函数f(x)的每个子目标函数都在x1处达到最优解，如图所示，这显然存在偶然性，并不具有代表性。图2.2多目标优化问题的最优解Fig.2.2Optimalsolutionofmulti-objectiveoptimizationproblem

安徽大学硕士学位论文 当解 x1 并不能使所有的 fi(x)的都达到最优，但并不存在比 x1 更优越的解时，则称x1 是多目标最优化模型的 Pareto 最优解。


本文编号：2984176