边缘计算中的资源调度与卸载策略研究

发布时间：2023-09-29 03:15

　　目前,大量的新服务的产生使得移动数据流量正处于一个非常快的增长阶段。在数据挖掘的新时代,大量需要处理的数据将由传感器或IoT设备收集完成。某些应用程序需要在非常短的延迟内处理任务数据,但是普通的传感器要运行复杂的程序难度高,且将数据再上传到云端的延迟大,有时要远远大于某些应用程序的低延迟约束,从而对任务的服务质量产生影响。为了克服这个问题,移动边缘计算(MEC)在网络边缘引入了计算功能,它旨在确保有效的网络操作和服务交付的基础上有效的减少延迟,并将内容和服务推向用户附近,使得应用程序、服务和内容被部署离用户更近的本地,从而为用户提供低延迟、高带宽和实时的服务环境。移动边缘计算(MEC)通过将计算密集型工作负载转移到MEC服务器,极大地改善计算体验的质量,但是由于卸载过程中存在资源竞争执行及如何最优的选择服务器等问题,计算卸载策略面临新的挑战。本文主要研究内容阐述如下:(1)基于多服务器场景的任务卸载问题,提出了服务器区域划分算法,减少传输能耗,将算法应用到边缘计算任务卸载中,达到能耗和任务总体执行时间之间的权衡,最小化任务执行总开销。将问题建模为任务分配与卸载的资源联合优化问题,考虑了...

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要研究内容与贡献
    1.4 论文组织结构
    1.5 本章小结
第2章 相关技术基础
    2.1 移动边缘计算相关知识
        2.1.1 MEC概念
        2.1.2 MEC用例和应用程序
    2.2 任务卸载相关知识
        2.2.1 计算卸载的概念
        2.2.2 计算卸载决策
    2.3 能量收集
        2.3.1 射频能量收集概念
        2.3.2 射频能量收集基本原理
    2.4 本章小结
第3章 基于图划分的移动边缘计算任务卸载与调度
    3.1 引言
    3.2 基于图划分的服务器分簇算法
    3.3 系统模型
        3.3.1 本地计算
        3.3.2 MEC计算
        3.3.3 纳什均衡
    3.4 数值仿真与讨论
    3.5 本章小结
第4章 基于能量收集的移动设备的边缘计算任务卸载
    4.1 引言
    4.2 系统模型
        4.2.1 本地计算
        4.2.2 卸载计算
        4.2.3 能量收集
        4.2.4 QoS成本函数
    4.3 最优化模型
    4.4 数值仿真与讨论
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
在读期间发表的学术论文及研究成果
致谢



本文编号：3849176