移动环境中基于能耗最小化的数据卸载优化策略研究

发布时间：2021-11-20 16:48

　　随着云计算、大数据的发展及用户对移动终端性能要求的提升,将移动终端复杂的计算和存储需求转移到云端或者近云端进行处理是万物互联模式的必然选择。而且,在移动设备电池能量有限的情况下,如何降低移动终端能耗,提高能量利用率及增强用户体验是绿色网络发展迫切需要解决的问题之一。本文主要研究数据卸载过程中的能耗优化问题,考虑到移动终端在无线信道状态好的时刻发送数据能提高能量的利用率,提出基于最优停止理论的数据卸载能耗优化策略:在移动云计算中提出一种基于秘书问题的最优卸载策略以最小化单位数据的平均能耗。通过构建具有多个应用的数据卸载队列模型,在基于所选应聘者的绝对名次均值最小的秘书问题,提出放过k个应聘者后见优则录的规则,并证明该规则存在最优k值。实验结果表明,本文提出的优化策略具有较小的单位数据平均能耗,更优的能耗效率及较佳的侦测效率。在移动边缘计算中提出基于最优停止理论的最小化单位数据平均能耗卸载策略。通过构建n个移动终端卸载数据到m个基站的任务模型,对本地能耗、卸载能耗和基站能耗进行联合优化。并通过增广拉格朗日乘子法将原始不等式约束问题转化为等式约束问题进行求解,更进一步地证明了所求的最优停止规... 

【文章来源】：广西大学广西壮族自治区 211工程院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图２－１基于队列的数据模型??

（ａ）Ｒａｙｌｅｉｇｈ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?（ｂ）Ｒｉｃｉａｎ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ??图２－２不同变化时的平均能耗对比??Ｆｉｇ．?２－２?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?Ｍ?ｃｈａｎｇｅｓ??ｌｅ＾——??：?——＿＾４?｜８＾?－?—一？？？？■－?，—２??§?＼?－＾－ＯＵＳＳＰ?§?＼?－？－ｏｃ＾ｓ＾??宝?－＼?—ｒｕｓ?ｇ?ｉ?—ｍｙｓｉ??＾６?＼?－－?ｔｓｔｂ?＾?５６?＾?［；＿＞？?ｒｓｒｅ?＼?＂?＾??Ｈ?二！４??Ｉ２?１?Ｉ２－?９５??｜?０?５?１０?１５?２０?Ｉ?０?５?１０?１５?２０??Ｒａｔｅ?ｃ（＾１０２ｂｐｓ）?Ｒａｔｅ?ｃ（＾１０２ｂｐｓ）??（ａ）Ｒａｙｌｅｉｇｈ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?（ｂ）Ｒｉｃｉａｎ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ??图２－３不同ｃ变化时的平均能耗对比??Ｆｉｇ．?２－３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃ?ｃｈａｎｇｅｓ??图２－４是三种策略在Ｒａｙｌｅｉｇｈ分布和Ｒｉｃｉａｎ分布下随着￡）？不断增大时的平均能耗对比??结果。观察图２－４可知

（ａ）Ｒａｙｌｅｉｇｈ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?（ｂ）Ｒｉｃｉａｎ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ??图２－３不同ｃ变化时的平均能耗对比??Ｆｉｇ．?２－３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ａｖｅｒａｇｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃ?ｃｈａｎｇｅｓ??图２－４是三种策略在Ｒａｙｌｅｉｇｈ分布和Ｒｉｃｉａｎ分布下随着￡）？不断增大时的平均能耗对比??结果。观察图２－４可知，在两种分布中，ＯＵＳＳＰ策略平均能耗最低，能效最佳。且ＯＵＳＳＰ??策略和ＲＵＳ策略因数据卸载时刻与￡）；？有关，平均能耗值随着／＾的增加呈减少趋势。这??是因为当／）？増大时，生成的数据有更多的机会在最大延时之前卸载到云端，单位数据消??耗的能量减少，所以平均能耗呈减少趋势。当延时仏大于２５ｓ时，每比特数据消耗能量??无限接近于０，但不会等于０，此时虽然平均能耗较低，但用户体验度不佳。??１５??

【参考文献】：
期刊论文
[1]A Greedy Algorithm for Task Offloading in Mobile Edge Computing System[J]. Feng Wei,Sixuan Chen,Weixia Zou.  中国通信. 2018(11)
[2]移动边缘计算任务卸载和基站关联协同决策问题研究[J]. 于博文,蒲凌君,谢玉婷,徐敬东,张建忠.  计算机研究与发展. 2018(03)
[3]近端云计算:后云计算时代的机遇与挑战[J]. 周悦芝,张迪.  计算机学报. 2019(04)
[4]利用最优停止理论研究最优能效数据分发策略[J]. 彭颖,王高才,王淖.  小型微型计算机系统. 2017(12)
[5]无线网络中具有信道感知的数据传输能耗优化策略研究[J]. 谢天骁,王高才,彭颖.  小型微型计算机系统. 2017(08)
[6]移动社会网络中基于社区的最优能效路由策略研究[J]. 彭颖,王淖,王高才.  通信学报. 2017(05)
[7]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟.  计算机研究与发展. 2017(05)
[8]移动网络中基于数据到达速率的数据传输能耗优化策略[J]. 彭颖,王高才,王淖.  计算机科学. 2017(01)
[9]移动网络中基于最优停止理论的数据传输能耗优化策略[J]. 彭颖,王高才,黄书强,王淖,李道丰.  计算机学报. 2016(06)
[10]云计算下保障公平性的多资源分配算法[J]. 卢笛,马建峰,王一川,习宁,张留美,孟宪佳.  西安电子科技大学学报. 2014(03)



本文编号：3507746