【摘要】：無(wú)線通信技術(shù)的蓬勃發(fā)展促進(jìn)了移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)絡(luò)邊緣的移動(dòng)設(shè)備上每時(shí)每刻都在產(chǎn)生龐大的數(shù)據(jù)量。移動(dòng)設(shè)備相對(duì)于網(wǎng)絡(luò)中心的云服務(wù)器來(lái)說(shuō)計(jì)算資源、存儲(chǔ)資源、電池能耗都十分有限,難以實(shí)時(shí)處理如此多的數(shù)據(jù)。為了解決這個(gè)日益突出的問(wèn)題,新興的計(jì)算框架——移動(dòng)邊緣計(jì)算(Mobile Edge Computing,MEC)應(yīng)運(yùn)而生。移動(dòng)邊緣計(jì)算具有時(shí)延低、節(jié)能、降低核心網(wǎng)擁塞等優(yōu)勢(shì)。本文即是面向節(jié)能這一優(yōu)勢(shì)來(lái)研究移動(dòng)邊緣計(jì)算。本文共提出三個(gè)邊緣計(jì)算場(chǎng)景,分別是單用戶-多MEC服務(wù)器場(chǎng)景、多用戶-單MEC服務(wù)器場(chǎng)景、多用戶-多MEC服務(wù)器場(chǎng)景。在這三個(gè)場(chǎng)景下分別研究卸載決策、資源分配問(wèn)題。共同點(diǎn)為目標(biāo)均是在滿足任務(wù)的時(shí)延限制條件下使得系統(tǒng)總能耗最低。在單用戶-多MEC服務(wù)器場(chǎng)景中,用戶移動(dòng)設(shè)備上有若干個(gè)計(jì)算任務(wù)等待卸載,優(yōu)化變量是任務(wù)的卸載決策(即某個(gè)任務(wù)卸載到哪個(gè)MEC服務(wù)器上或者不進(jìn)行卸載)、以及移動(dòng)設(shè)備的發(fā)射功率分配(即移動(dòng)設(shè)備分別為每個(gè)任務(wù)分配多少發(fā)射功率)。提出了 AOA(Alternately Optimizing Algorithm)算法,第一步通過(guò)KM(Kuhn-Munkras)二部圖匹配算法來(lái)求得卸載決策,第二步通過(guò)數(shù)學(xué)的單調(diào)性證明求得發(fā)射功率分配的解析解。在多用戶-單MEC服務(wù)器場(chǎng)景中,有多個(gè)用戶移動(dòng)設(shè)備上的任務(wù)申請(qǐng)卸載到MEC服務(wù)器中,由MEC服務(wù)器集中決策分配通信資源(子載波)和計(jì)算資源(MEC服務(wù)器CPU頻率)。由于優(yōu)化變量一個(gè)是離散整數(shù)一個(gè)是連續(xù)小數(shù),一般的優(yōu)化方法較難解決,所以采用機(jī)器學(xué)習(xí)回歸算法�；貧w算法可用來(lái)模擬輸入和輸出之間的非線性關(guān)系,輸出為連續(xù)值。為了獲取訓(xùn)練數(shù)據(jù),隨機(jī)生成10000條數(shù)據(jù)并通過(guò)離散化輸入空間來(lái)窮舉得到標(biāo)簽。然后比較三種回歸算法:隨機(jī)森林、Xgboost、人工神經(jīng)網(wǎng)絡(luò)對(duì)結(jié)果擬合的好壞。通過(guò)計(jì)算相應(yīng)的系統(tǒng)能耗發(fā)現(xiàn),人工神經(jīng)網(wǎng)絡(luò)能取得接近最優(yōu)解的資源分配。在多用戶-多MEC服務(wù)器場(chǎng)景中,研究移動(dòng)設(shè)備如何選擇卸載對(duì)象能夠取得最小系統(tǒng)能耗。優(yōu)化變量為移動(dòng)設(shè)備的卸載決策。記移動(dòng)設(shè)備個(gè)數(shù)為K,MEC服務(wù)器個(gè)數(shù)為M,則解空間有K*(M+1)種可能性。應(yīng)用人工魚群算法,將優(yōu)化變量映射為人工魚的位置坐標(biāo)(K維),并將目標(biāo)函數(shù)和限制條件轉(zhuǎn)換為食物濃度函數(shù)。通過(guò)離散化步長(zhǎng)和對(duì)坐標(biāo)取值限制上下界,迭代求解。因?yàn)樗惴ú荒鼙ＷC跳出局部最小值,因此結(jié)果為次優(yōu)解。通過(guò)與隨機(jī)卸載方式和不卸載方式進(jìn)行對(duì)比發(fā)現(xiàn)能夠取得更低的系統(tǒng)能耗。
【圖文】：

邐邐逡逑高。因?yàn)槔碚撋蟻?lái)說(shuō)計(jì)算卸載過(guò)程在無(wú)線接入網(wǎng)部分就可以完成，不依賴于網(wǎng)絡(luò)逡逑的其他部分。逡逑（５）邋ＭＥＣ服務(wù)器部署在蜂窩網(wǎng)絡(luò)的邊緣，能夠更快地感知用戶狀態(tài)變化，逡逑對(duì)于那些基于位置的服務(wù)具有更快的反應(yīng)速度，還能更快地感知通信條件的變逡逑化，，從而完成鏈路的切換。逡逑如圖２－１所示，移動(dòng)邊緣計(jì)算從網(wǎng)絡(luò)結(jié)構(gòu)來(lái)看主要分為三層。最底層是用戶逡逑移動(dòng)設(shè)備，包括智能手機(jī)、平板電腦、物理網(wǎng)設(shè)備、車聯(lián)網(wǎng)設(shè)備等。中間一層是逡逑網(wǎng)絡(luò)邊緣的無(wú)線接入網(wǎng)網(wǎng)關(guān)，在異構(gòu)網(wǎng)絡(luò)中這一層包括各種無(wú)線接入設(shè)備如宏基逡逑站、家庭基站、衛(wèi)星等，用戶移動(dòng)設(shè)備通過(guò)這一層接入到無(wú)線網(wǎng)絡(luò)中，ＭＥＣ服逡逑務(wù)器通常也部署在這一層，只是目前對(duì)于ＭＥＣ服務(wù)器具體應(yīng)該如何部署還未有逡逑定論。最上層還有位于核心網(wǎng)的云計(jì)算服務(wù)器，大部分的移動(dòng)邊緣計(jì)算系統(tǒng)并未逡逑考慮云服務(wù)器，因?yàn)檫@通常是移動(dòng)云計(jì)算中常見的。然后，在少部分的文獻(xiàn)中提逡逑到，ＭＥＣ服務(wù)器的資源也是有限的，對(duì)于某些任務(wù)ＭＥＣ服務(wù)器還可以通過(guò)回逡逑程鏈路轉(zhuǎn)發(fā)送給位于云服務(wù)中心處理。逡逑

對(duì)于那些基于位置的服務(wù)具有更快的反應(yīng)速度，還能更快地感知通信條件的變逡逑化，從而完成鏈路的切換。逡逑如圖２－１所示，移動(dòng)邊緣計(jì)算從網(wǎng)絡(luò)結(jié)構(gòu)來(lái)看主要分為三層。最底層是用戶逡逑移動(dòng)設(shè)備，包括智能手機(jī)、平板電腦、物理網(wǎng)設(shè)備、車聯(lián)網(wǎng)設(shè)備等。中間一層是逡逑網(wǎng)絡(luò)邊緣的無(wú)線接入網(wǎng)網(wǎng)關(guān)，在異構(gòu)網(wǎng)絡(luò)中這一層包括各種無(wú)線接入設(shè)備如宏基逡逑站、家庭基站、衛(wèi)星等，用戶移動(dòng)設(shè)備通過(guò)這一層接入到無(wú)線網(wǎng)絡(luò)中，ＭＥＣ服逡逑務(wù)器通常也部署在這一層，只是目前對(duì)于ＭＥＣ服務(wù)器具體應(yīng)該如何部署還未有逡逑定論。最上層還有位于核心網(wǎng)的云計(jì)算服務(wù)器，大部分的移動(dòng)邊緣計(jì)算系統(tǒng)并未逡逑考慮云服務(wù)器，因?yàn)檫@通常是移動(dòng)云計(jì)算中常見的。然后，在少部分的文獻(xiàn)中提逡逑到，ＭＥＣ服務(wù)器的資源也是有限的，對(duì)于某些任務(wù)ＭＥＣ服務(wù)器還可以通過(guò)回逡逑程鏈路轉(zhuǎn)發(fā)送給位于云服務(wù)中心處理。逡逑圖２－１移動(dòng)邊}慵撲鉗嬄緗峁雇煎義希玻慘貧咴導(dǎo)撲愕撓τ貿(mào)【板義銜寺鬩貧チ臀锪目燜俜⒄

本文編號(hào)：2596042