【摘要】：隨著移動應用的迅猛發(fā)展及云計算為移動用戶提供的服務支持越來越多,移動云計算(Mobile Cloud Computing,MCC)作為云計算和移動環(huán)境的集成而被引入。MCC將移動終端計算量和能耗密集的應用通過移動互聯(lián)網(wǎng)卸載到云計算中心,有效降低終端能耗增強終端數(shù)據(jù)存儲能力,并延長終端電池壽命。作為第五代移動通信系統(tǒng)(The 5th Generation Mobile Networks,5G)中一項關鍵候選技術,MCC已得到了廣泛的研究。但現(xiàn)有的研究成果還不夠全面,需要進一步改善諸如帶寬、服務質(zhì)量(Quality of Service,QoS)、移動性管理、資源管理、時延和安全等方面的性能。很多關鍵性的問題諸如從用戶主觀體驗角度提高云服務質(zhì)量、高效帶寬分配、使用微云來降低時延提高服務質(zhì)量、提供無縫移動云服務和通過分析移動用戶行為制定安全機制等需要解決。解決這些問題對今后5G具體方案實施和技術支持都具有非常重要的意義,也是本文選題的依據(jù)。本文將以MCC為切入點,重點研究在動態(tài)網(wǎng)絡環(huán)境下,終端性能、帶寬和應用特性等方面的限制下多級別的資源管理和更細粒度管理操作等問題。本文主要研究內(nèi)容的詳細介紹如下:第一,針對兩層(云端-用戶端)MCC結構,研究基于用戶體驗質(zhì)量(Quality of Experience,QoE)的網(wǎng)絡帶寬資源分配問題,提出一種在用戶端考慮頻譜效率和QoE,在云端考慮云服務提供商價格的兩階段斯坦克爾伯格算法。在保證系統(tǒng)性能和用戶QoE的前提下最大化網(wǎng)絡收益,并且平衡用戶端和云端的性能,找出最大化用戶端和云端收益的資源分配策略。分析用戶QoE以及多個云服務商提供的價格策略對系統(tǒng)性能的影響,并進一步求出云服務提供商提出的價格的最大值和最小值,并通過仿真驗證算法的正確性。第二,針對多層的MCC結構,研究基于微云的移動云計算網(wǎng)絡計算資源、功率和帶寬資源分配問題,將用戶端,微云端和云服務提供商的資源分配問題建模為三階段斯坦克爾伯格博弈模型。在用戶端考慮移動用戶的功率和帶寬資源,在微云端考慮計算資源,在云服務提供商端考慮不同提供商之間的價格策略。設計最佳的帶寬和功率分配反應函數(shù),最佳計算資源分配函數(shù)及最佳價格反應函數(shù)。并研究三階段斯坦克爾伯格博弈的最佳納什均衡的存在性及價格的最大值和最小值,并通過仿真驗證三階段斯坦克爾伯格博弈算法的有效性。第三,在MCC和超密集網(wǎng)絡聯(lián)合考慮的情況下,將超密集網(wǎng)絡用戶如何根據(jù)自身性能和花費來動態(tài)選擇微云的問題建模成演化博弈。將微云根據(jù)超密集網(wǎng)絡用戶的資源需求尋找最佳價格和帶寬分配策略問題建模成非合作博弈問題。在演化博弈模型中,證明演化博弈的穩(wěn)定性及唯一性。而且提出基于群演化博弈的迭代算法和基于增強學習的Q-learning迭代算法來得到均衡點。其中,基于Q-learning的算法可以使用戶根據(jù)歷史決策信息得到最佳演化納什均衡,解決在現(xiàn)實生活中建立群演化博弈管理中心困難的問題。第四,針對MCC網(wǎng)絡安全問題,研究用戶行為是非常重要的,因為它們是MCC安全可靠運行的基礎。用戶行為可以分為利他行為、自私行為和惡意行為。云服務提供商通過分析用戶行為評估用戶行為表現(xiàn),正確引導用戶行為,制定合理的資源管理機制,從而充分利用移動云計算有限資源。在本文中,基于用戶行為分析的MCC資源管理問題建模為動態(tài)貝葉斯博弈。具體來說,微云根據(jù)用戶的行為概率信息為用戶設置合理的資源價格來最大化自身效用。具有惡意行為的移動用戶可以根據(jù)自身的性能和成本動態(tài)調(diào)整資源需求策略。本文研究貝葉斯博弈納什均衡點的存在性,可以分別得到自私用戶和惡意用戶的最佳反應資源分配函數(shù),從而得到貝葉斯博弈的納什均衡。
【學位授予單位】：北京郵電大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TP393.09
【圖文】：

１．２研究現(xiàn)狀逡逑１．２．１移動云計算技術研究進展逡逑由于移動云計算技術結合了移動計算和云計算的優(yōu)點，從而越來越受到學術界逡逑和工業(yè)界的關注。然而，在移動云計算領域，需要進一步改善諸如資源管理、移動逡逑性管理、可訪問性、卸載、安全和隱私等方面的性能。下面將從以下六個方面介紹＇逡逑移動云計算技術的研宄進展。逡逑１．移動云計算資源管理逡逑移動云計算的資源包含云計算資源，無線網(wǎng)絡資源和移動設備資源。移動云計逡逑算的資源管理就是對云計算資源，無線通信系統(tǒng)中的空中接口資源和移動設備資源逡逑的規(guī)劃和調(diào)度，包括云服務提供商計算資源的分配、云接入控制、無線網(wǎng)絡接入控逡逑制、信道分配、功率控制和移動用戶分配等［１３］［１４］［１５＿。目的是最有效地利用有限的逡逑資源，達到最大的網(wǎng)絡吞吐量，并且減少干擾和擁塞。干擾是由于無線信號的廣播逡逑

絡結合可以實現(xiàn)高效帶寬分配并有效降低功耗。因此，有必要對移動云計算和超密逡逑集網(wǎng)絡結合而產(chǎn)生的問題進行深入研究。逡逑４．移動云計算的安全問題：盡管存在很多文獻解決云安全、無線通信信道安全逡逑和移動用戶安全問題，但是對于移動云計算用戶來說，研究用戶行為相關的各類問逡逑題是至關重要的。移動云計算用戶行為可信非常重要，因為它們是移動云計算安全逡逑可靠運行的重要基礎。云服務提供商為用戶提供服務。用戶可以是合法的，也可能逡逑是惡意的。合法用戶致力于使用云服務提供商提供的服務來完成任務。惡意用戶總逡逑是試圖損害云服務提供商利益，降低整個系統(tǒng)性能，也干擾合法用戶。因此，有必逡逑要對用戶行為進行分析。盡管目前已有一些研究，例如Ｃｈｅｎ等人［６２］探索ＭＣＣ用戶逡逑安全性，但他們假設用戶都是合法的而且沒有對用戶行為進行分析。傳統(tǒng)的用戶識逡逑別和認證已經(jīng)遠遠不能滿足要求。進一步的，基于用戶行為分析的移動云計算資源逡逑有效分配研宄是有必要而且必須的。隨著基于微云的ＭＣＣ市場發(fā)展，移動用戶可逡逑以輕松獲得云應用服務。因此，有必要分析移動用戶的行為并且根據(jù)用戶行為有效逡逑分配系統(tǒng)資源，以最大限度地提高整個系統(tǒng)的性能。逡逑移動云計算動態(tài)載及管理機

本章節(jié)具體的研究內(nèi)容包括：逡逑１）為了提高ＭＣＣ網(wǎng)絡性能，提出了一種考慮用戶端的頻譜效率和ＱｏＥ，同時逡逑考慮云服務提供商端價格信息，能夠提升系統(tǒng)性能的多主多從斯坦克爾伯格算法。逡逑云服務提供商作為斯坦克爾伯格博弈的領導者，終端用戶作為斯坦克爾伯格博弈的逡逑跟隨者。在云服務提供商之間和終端用戶之間都構成非合作博弈關系。逡逑２）在保證系統(tǒng)性能和用戶ＱｏＥ的前提下最大化網(wǎng)絡吞吐量，并且平衡終端用逡逑戶和云端的性能，找出最大化終端收益和云端收益時的資源分配策略。逡逑３）分析用戶ＱｏＥ以及多個云服務商提供的價格對系統(tǒng)性能的影響，并進一步逡逑求出云服務提供商提出的價格的最大值和最小值，通過仿真驗證算法正確性。逡逑４）分析并解釋了納什均衡的存在性和本文所提出的算法的收斂性。逡逑２．２系統(tǒng)模型和問題描述逡逑２．２．１系統(tǒng)模型逡逑

【相似文獻】

相關期刊論文 前10條

1 譚少林;呂金虎;;復雜網(wǎng)絡上的演化博弈動力學——一個計算視角的綜述[J];復雜系統(tǒng)與復雜性科學;2017年04期

2 李魯波;張豪華;;基于演化博弈的住宅小區(qū)物業(yè)收費問題對策分析[J];遼寧經(jīng)濟;2018年05期

3 饒異;;社會誠信建設的演化博弈分析[J];中學政治教學參考;2017年24期

4 崔曉婕;李亞兵;;對于“兩個社會”問題的演化博弈分析[J];市場周刊(理論研究);2017年05期

5 林欣;;監(jiān)管者不作為現(xiàn)象演化博弈[J];市場觀察;2018年05期

6 盧東浩;;非對稱演化博弈復制動態(tài)方程的改進及模型分析[J];赤子(下旬);2016年06期

7 孫端;賈淋茗;黃澤華;陳曉云;張冰;;航空產(chǎn)業(yè)集群網(wǎng)絡主體行為的演化博弈策略分析[J];農(nóng)村科學實驗;2017年06期

8 沈偉;韓曉龍;;基于非對稱演化博弈航運聯(lián)盟演化分析[J];中國水運(下半月);2018年01期

9 方興林;黃飛;;創(chuàng)新創(chuàng)業(yè)類課程利益主體采納行為的演化博弈研究[J];河北農(nóng)業(yè)大學學報(農(nóng)林教育版);2018年04期

10 馮利偉;宋彪;;大學生誠信問題演化博弈研究[J];內(nèi)蒙古財經(jīng)大學學報;2014年06期

相關會議論文 前10條

1 喻興旺;;政府采購與中小企業(yè)科技創(chuàng)新的演化博弈分析[A];首屆全國大學生政府采購論壇論文選集[C];2012年

2 羅慧;萬迪f ;宋鴻;李建科;;陜北黃土高原生態(tài)資源可持續(xù)發(fā)展演化博弈分析[A];新世紀氣象科技創(chuàng)新與大氣科學發(fā)展——中國氣象學會2003年年會“農(nóng)業(yè)氣象與生態(tài)環(huán)境”分會論文集[C];2003年

3 張哲;齊冬蓮;張建良;;演化博弈下智能電網(wǎng)需求側響應用戶參與度算法研究[A];第37屆中國控制會議論文集（F）[C];2018年

4 張千帆;蔣越;;物聯(lián)網(wǎng)合作機制的演化博弈分析[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

5 周恩毅;劉洋;;基于演化博弈的政社合作促進機制研究[A];中國行政管理學會2011年年會暨“加強行政管理研究，推動政府體制改革”研討會論文集[C];2011年

6 林元慶;李美娟;陳國宏;;基于CA的企業(yè)戰(zhàn)略選擇的演化博弈分析[A];2004年中國管理科學學術會議論文集[C];2004年

7 郝慶一;姜銳;;基于演化博弈的相向行人流復雜動態(tài)特性研究[A];第八屆全國流體力學學術會議論文摘要集[C];2014年

8 王文旭;任杰;陳關榮;汪秉宏;;網(wǎng)絡上基于歷史信息的博弈動力學[A];2006全國復雜網(wǎng)絡學術會議論文集[C];2006年

9 劉德海;王維國;;如何控制群體性突發(fā)事件? 一個可變結構演化博弈模型分析[A];第二十七屆中國控制會議論文集[C];2008年

10 朱光;吉中會;曹雪蓮;豐米寧;;問責機制下暴雨災害數(shù)據(jù)融合的投入意愿研究——基于演化博弈的視角[A];第十九屆中國管理科學學術年會論文集[C];2017年

相關重要報紙文章 前2條

1 ;構建市場演化博弈 提高食品安全標準[N];21世紀經(jīng)濟報道;2011年

2 吳銘;為什么《中國不一樣》[N];民主與法制時報;2013年

相關博士學位論文 前10條

1 孟薩出拉;移動云計算動態(tài)卸載和管理機制研究[D];北京郵電大學;2018年

2 付世華;具有風險、記憶的網(wǎng)絡演化博弈的策略調(diào)控與優(yōu)化[D];山東大學;2018年

3 金家華;異質(zhì)性視角下復雜網(wǎng)絡上的演化博弈動力學[D];云南財經(jīng)大學;2018年

4 康怡彬;五物種循環(huán)優(yōu)勢演化博弈[D];大連理工大學;2016年

5 葉俊;演化博弈優(yōu)化[D];華中科技大學;2004年

6 羅昌瀚;非正式制度的演化博弈分析[D];吉林大學;2006年

7 代瓊琳;復雜網(wǎng)絡上的演化博弈動力學研究[D];北京郵電大學;2011年

8 李小莉;PPP項目私人部門行為監(jiān)管演化博弈機制研究[D];暨南大學;2017年

9 王一飛;基于組織學習的中小企業(yè)知識轉移研究[D];哈爾濱工程大學;2012年

10 王旭文;復雜網(wǎng)絡上的演化博弈及可控性研究[D];中國科學技術大學;2015年

相關碩士學位論文 前10條

1 黃蓉;國際陸港-海港演化博弈及聯(lián)動發(fā)展研究[D];昆明理工大學;2018年

2 歐陽靜;IPD項目利益相關者合作關系演化博弈分析[D];蘭州交通大學;2018年

3 楊靈曦;演化博弈視角下電子廢棄物回收商的經(jīng)營策略研究[D];杭州電子科技大學;2018年

4 張曉琳;基于多層復雜網(wǎng)絡的演化博弈動力學及可控性研究[D];山東師范大學;2018年

5 聶娟;農(nóng)產(chǎn)品電子商務O2O模式及其演化博弈分析[D];合肥工業(yè)大學;2018年

6 王俊雷;基于演化博弈的豬肉供應鏈中質(zhì)量投入研究[D];哈爾濱商業(yè)大學;2018年

7 李連陽;基于演化博弈的多智能體系統(tǒng)社會化行為研究[D];湖南大學;2018年

8 馬倩瑤;共享單車用戶機會主義行為的演化博弈研究[D];河北經(jīng)貿(mào)大學;2018年

9 公衍昌;上市公司反并購演化博弈研究[D];湖南大學;2017年

10 袁也;政府干預下協(xié)同創(chuàng)新主體合作的演化博弈及仿真分析[D];湖南大學;2017年

本文編號：2759480