边缘计算中面向异构密集无线网络的高效任务卸载策略研究

发布时间：2021-10-29 08:22

　　过去的10年,随着5G、物联网技术的发展,智能设备的数量爆炸式增长,一大批新兴的交互式应用涌现出来,如虚拟现实、增强现实、自动驾驶、图像识别等。这些应用的典型特点是需要密集的计算资源的同时要求极低的延迟,因而不适宜在算力较差、电池容量有限的智能设备上执行。传统的云计算技术由于设备需要与骨干网络通信,也无法保证延迟参数。为解决这一两难困境,移动边缘计算技术应运而生。移动边缘计算即智能设备将计算任务卸载到边缘服务器执行,后者部署在网络边缘（通常是与基站等边缘网关相连接）,利用边缘网关的剩余算力进行服务,且与设备间的通信最少只需经过单跳的链路,因而有机会保证任务的执行延迟。目前边缘计算技术已经得到了学术界和工业界的广泛关注,但现有研究普遍存在忽视子任务间依赖关系、忽视设备间通信资源竞争、忽视边缘服务器计算资源调度的问题,难以适应下一代通信基础框架下异构密集无线网络的需求。有鉴于此,本文将卸载任务建模为有向无环图（Directed Acyclic Graph,DAG）的形式,以充分考虑子任务间的数据依赖关系,挖掘子任务间潜在的并行性。同时研究多异构设备被密集部署的异构边缘服务器覆盖的卸载场景,... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

典型边缘计算系统架构图

一个典型

电子科技大学硕士学位论文34第六章卸载策略仿真与验证6.1仿真平台及仿真参数设置本章中，我将通过仿真，研究本文提出的三个DAG任务卸载策略的性能和效果。我将研究提出的卸载策略在不同场景下的卸载收益，以及分布式卸载策略的迭代收敛情况。同时，这份工作也将与现有的工作进行对比，以进一步说明本文算法的有效性。本文的仿真基于matlab，即编写matlab仿真代码验证算法的性能，部分核心的仿真代码见附录部分。仿真时依据不同的场景编写脚本，传递不同的函数参数，输出结果后绘制仿真图像即可。仿真中，考虑一个多接入的边缘网络，多个异构的边缘设备随机分布在多个异构的边缘服务器的覆盖范围内。每个设备都具有一个指定的DAG型任务。为了更加全面的验证本文提出的卸载策略的性能，仿真中也会将一些随机生成的DAG任务加入仿真过程。这些DAG任务的生成规则如下：子任务数在[2,10]区间内随机分布，子任务所需的计算量（以需要的CPU周期数刻画）在[20,100]百万周期随机分布，子任务间的依赖关系（有向边）随机生成。边缘设备的传输功率在[80,150]mW随机分布，无线信道的带宽各不相同，均匀分布，其均值取为25MHZ，环境噪声取为-100dBm。每个边缘服务器的计算力互不相同，但平均算力是边缘设备的10倍。如前所述，服务器和设备的CPU调度均采用非抢占策略。图6-1分布式卸载策略随迭代次数收敛情况6.2分布式卸载策略收敛情况仿真

【参考文献】：
期刊论文
[1]软件定义网络（SDN）研究进展[J]. 张朝昆,崔勇,唐翯翯,吴建平.  软件学报. 2015(01)



本文编号：3464316