基于边缘计算的单任务迁移策略研究

发布时间：2022-02-05 05:14

　　针对单用户场景下的任务迁移问题,构建单用户的任务迁移模型,并提出任务迁移策略。通过任务迁移策略判断每个任务是否应该被迁移,同时得出任务的执行顺序,并综合评估延时与能耗对应的权重以得到系统总体的最低负载。采用了离散二进制粒子群算法优化了迁移策略来降低时间复杂度。仿真结果表明,所提出的迁移策略对减少延迟和能耗具有明显的效果。还在现有的联合任务迁移策略上进行了改进,通过优化二进制粒子群中粒子的初始位置,进行相应的对比仿真实验,来降低搜索结果的离散程度。 

【文章来源】：金陵科技学院学报. 2020,36(03)

【文章页数】：5 页

【部分图文】：

整体系统模型

负载离散图

图2 负载离散图从图3可以看到在任务数量小于1 250的情况下,优化前和优化后的迁移策略在对负载K的计算中得出的结果比较接近。但是由于二进制粒子群算法的随机性,使得两者的结果相差并不大,并且在一定范围内波动。当任务数量大于1 250的情况下,原始的优化联合任务迁移策略计算出的负载K开始逐渐大于本地优先策略计算出的负载K,说明在任务数量较多的时候,让任务在本地执行是一个更好的选择,但是通过一定的迭代未改进的联合任务迁移策略在任务数较多的情况下没有搜索到更优的负载K。而优化过粒子初始位置的联合任务迁移策略计算出的负载K与其他策略计算出的负载K相比,在大部分情况下都是更低的。从图中也可以发现,优化后的联合任务迁移策略的曲线大致为其它迁移策略的最低点的连线。由此也可以认为改进后的联合任务迁移策略在不同任务数下搜索最优负载K的表现中有着更好的表现。

【参考文献】：
期刊论文
[1]一种移动内容分发网络的分层协同缓存机制[J]. 葛志诚,徐恪,陈靓,李彤,姚龙,沈蒙.  计算机学报. 2018(12)
[2]Adaptive Application Offloading Decision and Transmission Scheduling for Mobile Cloud Computing[J]. Junyi Wang,Jie Peng,Yanheng Wei,Didi Liu,Jielin Fu.  中国通信. 2017(03)

博士论文
[1]5G网络移动边缘缓存与计算研究[D]. 郝义学.华中科技大学 2017

硕士论文
[1]移动边缘计算环境下的任务迁移策略研究[D]. 孔月.西安理工大学 2018
[2]基于移动边缘计算的任务卸载策略研究[D]. 刘国强.哈尔滨工业大学 2018
[3]移动社会网络内容分发服务及边缘缓存策略研究[D]. 李博.电子科技大学 2018
[4]移动边缘计算中基于移动模型的任务迁移算法与协议研究[D]. 王梓.电子科技大学 2018
[5]面向5G网络的边缘计算迁移策略研究与仿真[D]. 赵丹.北京邮电大学 2018
[6]基于移动边缘计算的任务迁移策略研究[D]. 邓茂菲.北京邮电大学 2017



本文编号：3614630