移动边缘计算能耗和卸载数量最优任务调度方法

发布时间：2022-07-15 14:15

　　随着信息时代的发展,5G技术的出现让通信速率得到飞跃,时延也越来越低,现阶段计算设备的计算能力也在稳步提升。移动边缘计算（Mobile Edge Computing）作为其关键技术之一,也在越来越凸显它重要的地位。随着移动边缘计算快速发展,用户设备（UE）能够通过将其任务卸载到与之相近的边缘云（MEC）来享受比之前更加良好的用户体验。本文主要研究在移动边缘计算的场景下,UE和MEC之间的任务调度策略。本文首先分析并指出了现有移动边缘计算网络模型的不足,并提出了一种新的网络模型用于移动边缘计算的场景。我们将多个边缘云多用户结合起来考虑,并且使用户设备能够具有选择边缘云的权力,来弥补传统网络模型中的不足,此外对新的移动边缘计算网络模型进行深入分析,解释了在新的网络模型下边缘计算的工作方式。同时深入分析了该模型下需要优化的目标以及系统的工作方式特性,从能耗和卸载成功任务数量两方面着手,提出物理模型并建立数学模型。本文从原物理模型着手,分析模型特性,并且针对这些特性将传统的蚁群算法（ACO）加以优化,将负载均衡与蚁群算法相结合,提出了负载均衡蚁群算法来解决问题。这样使得只具有选择最短路径能力的... 

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 移动边缘计算及其优化策略国内外研究历史与现状
        1.2.1 移动边缘计算的研究历史和现状
        1.2.2 相关优化目标和算法的研究历史和现状
    1.3 本文的主要贡献与创新
    1.4 本论文的结构安排
第二章 移动边缘计算相关技术
    2.1 引言
    2.2 移动边缘技术的发展
    2.3 移动边缘计算的架构
    2.4 边缘云关键技术
        2.4.1 虚拟化技术
        2.4.2 新的存储技术
        2.4.3 新的编程模型
        2.4.4 计算卸载
    2.5 相关网络模型
        2.5.1 C-RAN
        2.5.2 NFC-RAN
    2.6 本章小结
第三章 物理模型及数学模型建模
    3.1 现有问题分析
    3.2 物理模型提出
        3.2.1 合理假设和问题的提出
    3.3 数学建模
        3.3.1 优化目标
        3.3.2 约束条件
        3.3.3 问题公式化
    3.4 Pareto最优解
    3.5 本章小结
第四章 负载均衡蚁群调度算法
    4.1 引言
    4.2 经典蚁群算法
        4.2.1 经典蚁群算法介绍
        4.2.2 经典蚁群算法求解步骤
    4.3 蚁群算法的优化
        4.3.1 初始化禁忌表的改进
        4.3.2 模型转换
        4.3.3 转移概率函数的优化
        4.3.4 信息素积累策略的优化
        4.3.5 算法流程的优化
    4.4 仿真
        4.4.1 仿真设置
        4.4.2 仿真结果
    4.5 本章小结
第五章 最小费用最大流调度算法
    5.1 引言
    5.2 最小费用最大流问题
        5.2.1 问题简介
        5.2.2 问题描述
    5.3 最小费用最大流算法
        5.3.1 最大流算法
        5.3.2 最短路径算法
        5.3.3 最小费用最大流算法流程
    5.4 最小费用最大流任务调度算法
        5.4.1 约束调整
        5.4.2 剪枝
        5.4.3 流量调整
        5.4.4 问题转化
            5.4.4.1 物理参数映射
            5.4.4.2 约束方程转化
    5.5 仿真
        5.5.1 仿真设置
        5.5.2 仿真结果和分析
    5.6 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果


【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)



本文编号：3662203