资源受限的移动边缘计算系统中计算卸载问题研究

发布时间：2020-08-23 13:37

【摘要】：随着增强现实/虚拟现实、在线游戏等具有计算密集、时延敏感需求的新兴应用不断涌现,移动终端有限的计算能力受到了极大挑战。移动边缘计算(Mobile Edge Computing,MEC)作为5G的核心技术之一,可在靠近用户的无线网络边缘提供计算、存储、通信、内容/无线感知等功能。其中,计算卸载作为MEC中的一项关键技术,通过将用户任务卸载到MEC服务器上而极大的解决了终端计算能力不足导致的时延及能耗增加问题,但相对于用户日益增长的计算需求,由于基站硬件成本等约束导致的MEC服务器计算资源的有限性也日渐明显,因此,如何在资源受限的MEC系统中设计合理的计算卸载策略以满足用户的需求,是其将要面临的巨大挑战。首先,本文对MEC及其卸载技术的研究现状进行了分析,总结出解决MEC系统资源有限问题,可从引入辅助节点并通过设计协作计算卸载策略扩展MEC的计算资源,和针对网络中计算、无线等资源进行联合优化这两个角度考虑。其次,针对单小区,提出一种基于任务缓存的计算卸载与资源分配联合优化策略。创新点在于云端和MEC联合对任务缓存这个思路,由于某些场景下的计算任务具有地域流行性,若对频繁请求计算的任务执行结果进行缓存,将有效减少任务执行时延并极大的缓解MEC服务器的计算压力。本文综合考虑了任务缓存、计算卸载及无线/计算资源分配问题,并以无线、计算及服务器存储资源为约束建模出一个最小化任务执行总时延的问题。为求解该问题,本文将其分为两部分:(1)通过设计一种MEC和远端云联合的任务主动缓存算法,来确定每一时隙下任务的缓存状态;(2)设计了一个基于贪心策略的启发式算法求解剩下的资源分配及任务执行模式选择问题。仿真结果表明,相对本地执行方案和不考虑任务缓存的方案等其他基准方案,本方案都能取得最低的任务执行总时延。再次,针对多小区,提出一种基于SDN(Software Definition Network)的主从MEC服务器协作计算卸载策略。创新点在于考虑基于SDN集中控制的架构进行多小区计算负载均衡的思路,主要解决热点区域MEC服务器计算能力与用户计算需求不匹配的问题,本文综合考虑了任务执行模式选择和多个MEC服务器计算资源分配问题,并建模出一个以计算资源为约束,以最小化系统代价(时延和能耗的加权)为目标的优化问题。针对同时含有互相耦合的二维0-1任务执行决策向量和二维连续MEC服务器计算资源分配向量的混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题,设计了一种基于模拟退火思想的启发式算法,通过不断的迭代和降温达到收敛状态以求得问题的次优解。仿真结果表明,本方案相对于随机选择任务执行节点的方案、不考虑协作MEC服务器的方案及本地执行等方案都能在大多数情况下取得最好的系统性能。最后,本文对全文进行了总结并对未来的工作提出了几点展望。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5
【图文】：

环境和云计算能力的新型平台［１（）１。ＭＥＣ通过将远端云数据中心下沉到无线网络逡逑边缘，打破了传统的以无线接入网、核心骨干网络、应用网络相互连接而形成的逡逑三层架构，实现了无线侧与应用侧的融合，ＭＥＣ的概念描述如图１－１所示。逡逑Ｃｌｏｕｄ逦＾邋ＭＥＣ邋１逡逑．．邋．逦灥，．．，，丨、？｜逦、逦ｉ．邋‘逡逑、、一一丨丨逦

本文编号：2801592