云計算和移動云計算都經(jīng)歷了快速發(fā)展。雖然集中式云計算為計算密集型任務提供了豐富的計算資源,但是智能終端設備和云之間的不穩(wěn)定性增加了處理敏感性數(shù)據(jù)的難度,并且會出現(xiàn)不可預測的網(wǎng)絡延遲。為了解決這個問題,本文提出了利用移動邊緣計算將云計算推向更靠近智能終端的網(wǎng)絡邊緣。在移動邊緣計算環(huán)境中,通過將邊緣服務器部署在網(wǎng)絡邊緣,為智能終端提供低延遲和高帶寬服務,提升智能終端的服務質量。本文對移動邊緣計算環(huán)境下邊緣服務器的部署問題進行了研究和分析。物聯(lián)網(wǎng)設備在本地產(chǎn)生的海量數(shù)據(jù)存儲在智能終端中,通過在移動邊緣計算環(huán)境下以高效經(jīng)濟的方式部署最優(yōu)位置和最佳數(shù)量的邊緣服務器,同時考慮智能終端集合與邊緣服務器的關聯(lián)性問題,使服務的智能終端數(shù)量最大化和服務質量最優(yōu)。本文根據(jù)K-means聚類算法對邊緣服務器進行合理部署,并對比了隨機部署算法、基于密度聚類的部署算法和K-means聚類部署算法對系統(tǒng)平均完成時間的影響。在實驗部分還分析了時間收益和部署成本增益之間的權衡關系,找到最佳的邊緣服務器部署數(shù)量;同時分析了網(wǎng)絡延遲閾值對三種算法的影響。本文的實驗基于Matlab R2016b開發(fā)平臺完成,仿真結果表明基于... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

仿真實驗場景

基于隨機部署算法的邊緣服務器部署位置

基于隨機密度聚類部署算法的邊緣服務器部署位置


本文編號：2988800