基于移动边缘计算的计算卸载与能效优化研究

发布时间：2020-12-28 18:11

　　随着移动物联网与无线通信技术的快速发展,智能互联与云计算技术日臻成熟,爆炸式的终端设备接入及其产生的数据流量呈指数级增长,尤其计算密集型、延迟敏感型的移动应用数据对传统通信网络结构带来了严峻的挑战。与此同时,计算及能量资源受限的终端设备已难以匹及高复杂度、高能耗的业务场景需求,寻求新一代网络结构与信息处理机制以应对愈加数据化的时代需求已成为学术界、产业界广泛关注的议题。因此,同时具备云计算与移动互联网优势的移动边缘计算（MEC）应运而生,其能够较大程度地在更加靠近用户的位置提供应用所需的计算与存储功能,从而缓解核心网络压力、为用户同时提供低时延、低能耗和高可靠的网络传输。然而,面对边缘用户日益剧增的计算需求以及能量受限的硬件约束,使得MEC的计算卸载策略与能量配置方式面临着巨大挑战。因此,研究高效的计算卸载及能量优化机制是目前MEC系统中亟待解决的重要问题。作为MEC系统网络的关键技术,计算卸载可以将实时的应用数据卸载至靠近终端设备的网络边缘,为资源受限的移动设备处理提供计算与能量支撑,同时减少了任务上传核心云的额外开销,降低了回程链路的资源与时延消耗。而能量收集（EH）技术可以为能量... 

【文章来源】：兰州理工大学甘肃省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 计算卸载
        1.3.2 资源分配
        1.3.3 能效优化
    1.4 本文研究内容
第2章 移动边缘计算及相关技术概述
    2.1 移动边缘计算技术概述
        2.1.1 移动边缘计算架构
        2.1.2 移动边缘计算应用场景
        2.1.3 移动边缘计算部署方案
    2.2 边缘计算中计算卸载概述
        2.2.1 计算卸载流程
        2.2.2 卸载决策制定
        2.2.3 计算卸载分类
    2.3 粒子群优化算法
        2.3.1 算法基本概念介绍
        2.3.2 粒子群优化算法的改进
    2.4 能量收集技术
        2.4.1 能量来源
        2.4.2 能量收集结构
    2.5 本章小结
第3章 基于PD-BPSO算法的计算卸载策略
    3.1 引言
    3.2 系统模型
        3.2.1 本地计算模型
        3.2.2 边缘计算模型
    3.3 方案规划
    3.4 算法描述
        3.4.1 基于PSO优化算法的卸载决策转化
        3.4.2 最优卸载决策
    3.5 仿真分析
        3.5.1 实验设置
        3.5.2 实验结果及分析
    3.6 本章小结
第4章 基于能量收集的能效优化方案
    4.1 引言
    4.2 系统模型
        4.2.1 本地计算能效模型
        4.2.2 卸载能效模型
        4.2.3 能量收集模型
    4.3 方案规划
    4.4 算法描述
        4.4.1 基于广义分数规划理论的目标凸优化
        4.4.2 功率分配
        4.4.3 能量指示变量分配
    4.5 仿真分析
    4.6 本章小结
总结与展望
参考文献
致谢
附录 A 攻读硕士学位期间所发表的学术论文
附录 B 攻读硕士学位期间参与的科研项目


【参考文献】：
期刊论文
[1]基于终端能耗和系统时延最小化的边缘计算卸载及资源分配机制[J]. 代美玲,刘周斌,郭少勇,邵苏杰,邱雪松.  电子与信息学报. 2019(11)
[2]Performance Analysis of Cooperative NOMA with Energy Harvesting in Multi-Cell Networks[J]. Cheng Guo,Jie Xin,Liqiang Zhao,Xiaoli Chu.  中国通信. 2019(11)
[3]移动边缘计算技术概述[J]. 洪德坚,王雷.  网络新媒体技术. 2019(05)
[4]超密集网络中基于移动边缘计算的任务卸载和资源优化[J]. 张海波,李虎,陈善学,贺晓帆.  电子与信息学报. 2019(05)
[5]移动边缘计算环境下服务工作流的计算卸载[J]. 董浩,张海平,李忠金,刘辉.  计算机工程与应用. 2019(02)
[6]Energy Efficiency Analysis of Cellular Networks with Cooperative Relays via Stochastic Geometry[J]. Zhang Zhiwei,Li Yunzhou,Huang Kaizhi,Zhou Shidong,Wang Jing.  中国通信. 2015(09)
[7]Energy Efficiency Optimization in Relay-Assisted Networks with Energy Harvesting Relay Constraints[J]. ZHAO Ming,ZHAO Jing,ZHOU Wuyang,ZHU Jinkang,ZHANG Sihai.  中国通信. 2015(02)

硕士论文
[1]MEC系统的计算资源分配及任务调度研究[D]. 刘远祥.重庆邮电大学 2019
[2]移动边缘计算网络中基于系统效益优化的资源分配算法研究[D]. 贾凡.北京邮电大学 2019
[3]基于能量收集技术的绿色认知网络功率分配算法研究[D]. 王元一.吉林大学 2018



本文编号：2944175