面向物联网的移动边缘计算任务卸载方法研究
发布时间：2021-01-06 21:25
为了有效地解决移动设备计算能力和存储能力不足等问题,以物联网的移动边缘计算（mobile edge computing,MEC）为出发点,对边缘计算卸载算法相关研究现状与成果进行了综合分析,深入剖析MEC卸载机制,从任务卸载算法的输入参数、输出参数、卸载算法、性能指标四个角度详细分析MEC卸载的研究现状,并结合卸载原理分析MEC的应用场景,指出了边缘计算卸载的未来研究方向:融合深度学习和强化学习的MEC卸载、面向5G网络的边缘计算卸载算法、边缘智能在分布式环境下的并行化.
【文章来源】：内江师范学院学报. 2020,35(10)
【文章页数】：8 页
【部分图文】：
边缘计算架构
实时视频分析被认为是边缘计算的重要应用[28]．随着交通摄像头、车载摄像头和无人机摄像头等视频输入设备的爆炸式增长，传统的客户机-服务器架构可能无法传输来自数百万台设备的视频．因此海量的数据不仅会对核心网造成巨大的压力，而且会造成较高的传输时延．例如，传统的视频监控系统由于设备能力受限，只能通过监控系统收集各种信息，然后将视频送到云中心的监控服务器上，从这些视频流中获取有价值的部分．而边缘计算中的卸载算法可以直接在靠近设备的MEC服务器上进行视频分析，同时解决摄像头计算能力有限等问题．如图2显示一个典型的三层视频分析架构，大量的视频流量通过这种方式被边缘基础设施消耗，只有元数据被发送到云[29]．因此，采用MEC卸载算法的监控摄像头具有广阔的前景．例如交通管理应用，它可以根据电子摄像头实时监控交通堵塞或事故，该应用程序还可以通过路边摄像头识别并追踪犯罪嫌疑人[30]．不可否认，强大的服务器可以加速视频分析过程，但在大规模分布式和多层视频分析中，业界需要解决延迟、带宽和资源供应的挑战．一方面，它是在带宽和数据传输的成本之间进行权衡，如果带宽有限，则应采用策略来减少数据传输量，例如过滤掉视频中不太有价值的片段或提供低分辨率视频．这些策略可能会失去一定的准确性，但在网络资源有限的情况下，可以有效地进行分析．另一方面，它也促进了零时延容忍新兴技术的发展．总的来说，实时视频分析是资源密集型应用，并且已经在人类社会的许多方面显示出它的威力．最近研究者在这一领域所做的所有努力都达成了一个共识，即在分析中加载计算密集型算法是一种很有前途的方法，甚至是唯一能够满足快速降低延迟的方法．4.2 智慧城市
边缘卸载下的智慧城市
【参考文献】：
期刊论文
[1]基于改进蚁群优化策略的无线传感器网络路由算法[J]. 蔡燕,陈加林. 内江师范学院学报. 2020(04)
[2]基于边缘计算的高效视频内容分发关键技术与挑战[J]. 孙立峰,胡文,马茗,庞海天. 无线电通信技术. 2020(03)
[3]移动Ad Hoc云中任务卸载的联合优化策略[J]. 胡杨,韩嘉伟,张志红,李军,刘畅,曾祥豹,李小飞,王音心. 压电与声光. 2019(03)
[4]面向服务可靠性的云资源调度方法[J]. 周平,殷波,邱雪松,郭少勇,孟洛明. 电子学报. 2019(05)
[5]移动云环境面向多重服务选择的计算卸载算法[J]. 何远德,黄奎峰. 计算机应用研究. 2020(06)
[6]移动边缘计算中基于改进拍卖模型的计算卸载策略[J]. 盛津芳,滕潇雨,李伟民,王斌. 计算机应用研究. 2020(06)
[7]云计算数据中心安全防护技术研究[J]. 谢盈. 西南民族大学学报(自然科学版). 2018(06)
[8]移动边缘计算中分布式的设备发射功率优化算法[J]. 周文晨,方维维,李阳阳,薛峰,王子岳. 西安交通大学学报. 2018(12)
[9]基于蚁群算法的云计算任务分配策略[J]. 陈伟. 内江师范学院学报. 2018(06)
硕士论文
[1]面向节能的移动边缘计算的卸载策略研究[D]. 周晓敏.北京邮电大学 2019
[2]移动云计算中任务卸载调度策略的研究[D]. 郭琪.哈尔滨工业大学 2017
本文编号：2961285
【文章来源】：内江师范学院学报. 2020,35(10)
【文章页数】：8 页
【部分图文】：
边缘计算架构
实时视频分析被认为是边缘计算的重要应用[28]．随着交通摄像头、车载摄像头和无人机摄像头等视频输入设备的爆炸式增长，传统的客户机-服务器架构可能无法传输来自数百万台设备的视频．因此海量的数据不仅会对核心网造成巨大的压力，而且会造成较高的传输时延．例如，传统的视频监控系统由于设备能力受限，只能通过监控系统收集各种信息，然后将视频送到云中心的监控服务器上，从这些视频流中获取有价值的部分．而边缘计算中的卸载算法可以直接在靠近设备的MEC服务器上进行视频分析，同时解决摄像头计算能力有限等问题．如图2显示一个典型的三层视频分析架构，大量的视频流量通过这种方式被边缘基础设施消耗，只有元数据被发送到云[29]．因此，采用MEC卸载算法的监控摄像头具有广阔的前景．例如交通管理应用，它可以根据电子摄像头实时监控交通堵塞或事故，该应用程序还可以通过路边摄像头识别并追踪犯罪嫌疑人[30]．不可否认，强大的服务器可以加速视频分析过程，但在大规模分布式和多层视频分析中，业界需要解决延迟、带宽和资源供应的挑战．一方面，它是在带宽和数据传输的成本之间进行权衡，如果带宽有限，则应采用策略来减少数据传输量，例如过滤掉视频中不太有价值的片段或提供低分辨率视频．这些策略可能会失去一定的准确性，但在网络资源有限的情况下，可以有效地进行分析．另一方面，它也促进了零时延容忍新兴技术的发展．总的来说，实时视频分析是资源密集型应用，并且已经在人类社会的许多方面显示出它的威力．最近研究者在这一领域所做的所有努力都达成了一个共识，即在分析中加载计算密集型算法是一种很有前途的方法，甚至是唯一能够满足快速降低延迟的方法．4.2 智慧城市
边缘卸载下的智慧城市
【参考文献】：
期刊论文
[1]基于改进蚁群优化策略的无线传感器网络路由算法[J]. 蔡燕,陈加林. 内江师范学院学报. 2020(04)
[2]基于边缘计算的高效视频内容分发关键技术与挑战[J]. 孙立峰,胡文,马茗,庞海天. 无线电通信技术. 2020(03)
[3]移动Ad Hoc云中任务卸载的联合优化策略[J]. 胡杨,韩嘉伟,张志红,李军,刘畅,曾祥豹,李小飞,王音心. 压电与声光. 2019(03)
[4]面向服务可靠性的云资源调度方法[J]. 周平,殷波,邱雪松,郭少勇,孟洛明. 电子学报. 2019(05)
[5]移动云环境面向多重服务选择的计算卸载算法[J]. 何远德,黄奎峰. 计算机应用研究. 2020(06)
[6]移动边缘计算中基于改进拍卖模型的计算卸载策略[J]. 盛津芳,滕潇雨,李伟民,王斌. 计算机应用研究. 2020(06)
[7]云计算数据中心安全防护技术研究[J]. 谢盈. 西南民族大学学报(自然科学版). 2018(06)
[8]移动边缘计算中分布式的设备发射功率优化算法[J]. 周文晨,方维维,李阳阳,薛峰,王子岳. 西安交通大学学报. 2018(12)
[9]基于蚁群算法的云计算任务分配策略[J]. 陈伟. 内江师范学院学报. 2018(06)
硕士论文
[1]面向节能的移动边缘计算的卸载策略研究[D]. 周晓敏.北京邮电大学 2019
[2]移动云计算中任务卸载调度策略的研究[D]. 郭琪.哈尔滨工业大学 2017
本文编号：2961285
本文链接：https://www.wllwen.com/kejilunwen/wltx/2961285.html
