基于移动边缘计算的任务卸载策略研究
发布时间：2022-01-23 03:09
随着人工智能和物联网移动应用的快速发展,人脸识别、增强现实等新型应用被广泛地应用在各种移动设备中。然而移动设备受到体积、电池容量等因素的限制,难以满足新型应用对时延和能耗的需求。移动边缘计算技术的出现为解决该问题提供了新的方式,该技术将计算密集型的应用卸载到计算资源丰富的边缘服务器上执行,有效地降低计算任务的执行时延和能耗,提升运营商对用户的服务质量。但移动边缘计算技术在带来诸多优势的同时,也存在着如何根据有限的计算和通信资源来制定合理的计算任务卸载策略的问题。因此,本文针对多用户场景下的计算任务卸载策略与资源分配联合优化问题展开研究,具体内容如下:（1）假设边缘服务器计算资源不受限,将卸载策略与资源分配优化问题分解成信道分配和传输功率分配问题。首先根据有效卸载理论得出信道分配结果并制定卸载策略,然后,利用拟凸优化理论得到传输功率的最优解。仿真结果表明,所提出方案能够有效地降低计算任务执行的时延和能耗,在用户数量较多时,该方案仍然能够保持较好的系统性能以及制定合理的卸载策略。（2）在边缘服务器计算资源受限的情况下,为了提高用户移动设备的续航能力和移动边缘计算系统的整体服务质量,引入基于...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 整体卸载
1.2.2 部分卸载
1.3 本文主要研究内容与结构安排
1.3.1 论文主要研究内容
1.3.2 论文结构安排
第二章 移动边缘计算相关技术及应用
2.1 移动边缘计算相关技术介绍
2.1.1 移动边缘计算简介
2.1.2 移动边缘计算的关键技术
2.1.3 移动边缘计算架构和部署方案
2.2 移动边缘计算的典型应用
2.3 计算卸载过程
2.4 本章小结
第三章 多用户高效计算任务卸载
3.1 引言
3.2 系统模型
3.2.1 通信模型
3.2.2 计算模型
3.3 问题描述
3.4 问题解决
3.4.1 资源分配
3.4.2 卸载策略优化
3.5 实验结果与分析
3.5.1 实验参数选择
3.5.2 实验结果分析
3.6 本章小结
第四章 计算资源受限的多用户计算任务卸载
4.1 引言
4.2 系统模型
4.2.1 本地计算
4.2.2 计算卸载模型
4.3 问题描述
4.4 资源优化
4.4.1 移动设备传输功率
4.4.2 边缘服务器计算资源分配
4.5 基于坐标上升法的卸载策略优化
4.5.1 基于卸载优先级的信道匹配
4.5.2 卸载策略优化
4.6 仿真结果与分析
4.6.1 仿真参数选择
4.6.2 仿真结果分析
4.7 本章小结
第五章 总结与展望
5.1 本文总结
5.2 后续工作展望
参考文献
攻读硕士学位期间的学术活动及成果
【参考文献】：
期刊论文
[1]5G在智慧医疗领域的应用与发展[J]. 葛涵涛,陆烨晔. 信息通信技术与政策. 2020(12)
[2]基于次模优化的边云协同多用户计算任务迁移方法[J]. 梁冰,纪雯. 通信学报. 2020(10)
[3]基于移动边缘计算的虚拟现实压缩与传输系统[J]. 谭彬,赵嵩源,吴俊,张文茹. 通信学报. 2020(04)
[4]移动性感知的边缘服务迁移策略[J]. 吴大鹏,吕吉,李职杜,王汝言. 通信学报. 2020(04)
[5]车联网中一种基于软件定义网络与移动边缘计算的卸载策略[J]. 张海波,荆昆仑,刘开健,贺晓帆. 电子与信息学报. 2020(03)
[6]移动边缘计算中卸载策略与功率的联合优化[J]. 余翔,石雪琴,刘一勋. 计算机工程. 2020(06)
[7]移动边缘计算中的计算卸载策略研究综述[J]. 董思岐,李海龙,屈毓锛,张钊,胡磊. 计算机科学. 2019(11)
[8]边缘计算综述:应用、现状及挑战[J]. 丁春涛,曹建农,杨磊,王尚广. 中兴通讯技术. 2019(03)
[9]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)
[10]Joint Resource Allocation Using Evolutionary Algorithms in Heterogeneous Mobile Cloud Computing Networks[J]. Weiwei Xia,Lianfeng Shen. 中国通信. 2018(08)
博士论文
[1]智慧城市系统的要素、结构及模型研究[D]. 张小娟.华南理工大学 2015
硕士论文
[1]移动边缘计算环境中数据与计算卸载方法研究[D]. 孟洁.北京邮电大学 2019
[2]基于移动边缘计算的任务卸载策略研究[D]. 刘国强.哈尔滨工业大学 2018
本文编号：3603475
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 整体卸载
1.2.2 部分卸载
1.3 本文主要研究内容与结构安排
1.3.1 论文主要研究内容
1.3.2 论文结构安排
第二章 移动边缘计算相关技术及应用
2.1 移动边缘计算相关技术介绍
2.1.1 移动边缘计算简介
2.1.2 移动边缘计算的关键技术
2.1.3 移动边缘计算架构和部署方案
2.2 移动边缘计算的典型应用
2.3 计算卸载过程
2.4 本章小结
第三章 多用户高效计算任务卸载
3.1 引言
3.2 系统模型
3.2.1 通信模型
3.2.2 计算模型
3.3 问题描述
3.4 问题解决
3.4.1 资源分配
3.4.2 卸载策略优化
3.5 实验结果与分析
3.5.1 实验参数选择
3.5.2 实验结果分析
3.6 本章小结
第四章 计算资源受限的多用户计算任务卸载
4.1 引言
4.2 系统模型
4.2.1 本地计算
4.2.2 计算卸载模型
4.3 问题描述
4.4 资源优化
4.4.1 移动设备传输功率
4.4.2 边缘服务器计算资源分配
4.5 基于坐标上升法的卸载策略优化
4.5.1 基于卸载优先级的信道匹配
4.5.2 卸载策略优化
4.6 仿真结果与分析
4.6.1 仿真参数选择
4.6.2 仿真结果分析
4.7 本章小结
第五章 总结与展望
5.1 本文总结
5.2 后续工作展望
参考文献
攻读硕士学位期间的学术活动及成果
【参考文献】：
期刊论文
[1]5G在智慧医疗领域的应用与发展[J]. 葛涵涛,陆烨晔. 信息通信技术与政策. 2020(12)
[2]基于次模优化的边云协同多用户计算任务迁移方法[J]. 梁冰,纪雯. 通信学报. 2020(10)
[3]基于移动边缘计算的虚拟现实压缩与传输系统[J]. 谭彬,赵嵩源,吴俊,张文茹. 通信学报. 2020(04)
[4]移动性感知的边缘服务迁移策略[J]. 吴大鹏,吕吉,李职杜,王汝言. 通信学报. 2020(04)
[5]车联网中一种基于软件定义网络与移动边缘计算的卸载策略[J]. 张海波,荆昆仑,刘开健,贺晓帆. 电子与信息学报. 2020(03)
[6]移动边缘计算中卸载策略与功率的联合优化[J]. 余翔,石雪琴,刘一勋. 计算机工程. 2020(06)
[7]移动边缘计算中的计算卸载策略研究综述[J]. 董思岐,李海龙,屈毓锛,张钊,胡磊. 计算机科学. 2019(11)
[8]边缘计算综述:应用、现状及挑战[J]. 丁春涛,曹建农,杨磊,王尚广. 中兴通讯技术. 2019(03)
[9]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)
[10]Joint Resource Allocation Using Evolutionary Algorithms in Heterogeneous Mobile Cloud Computing Networks[J]. Weiwei Xia,Lianfeng Shen. 中国通信. 2018(08)
博士论文
[1]智慧城市系统的要素、结构及模型研究[D]. 张小娟.华南理工大学 2015
硕士论文
[1]移动边缘计算环境中数据与计算卸载方法研究[D]. 孟洁.北京邮电大学 2019
[2]基于移动边缘计算的任务卸载策略研究[D]. 刘国强.哈尔滨工业大学 2018
本文编号：3603475
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3603475.html
