在未來蜂窩車聯(lián)網(wǎng)中,由于車輛終端有限的計(jì)算資源,無法單獨(dú)依靠車輛自身去完成一些任務(wù),比如計(jì)算密集型任務(wù)。只在車輛終端上執(zhí)行任務(wù)不僅會(huì)產(chǎn)生過高的計(jì)算負(fù)載,而且還會(huì)消耗車輛自身大量的能量,從而增加用戶的計(jì)算成本,減少車輛的電池壽命。而移動(dòng)邊緣計(jì)算(Mobile Edge Computing,MEC)是提升車輛計(jì)算能力的關(guān)鍵技術(shù)之一,其擁有大量的計(jì)算資源,且用戶可以通過將任務(wù)卸載至MEC減少執(zhí)行成本與能耗,從而引起了研究者普遍的關(guān)注。蜂窩車聯(lián)網(wǎng)能夠?yàn)檐囕v用戶提供更為安全、更具體驗(yàn)性的服務(wù),能夠提高車輛在道路上行駛的安全性。然而車輛任務(wù)拓?fù)淠Ｐ偷亩鄻踊⑷蝿?wù)抵達(dá)的隨機(jī)性以及執(zhí)行任務(wù)對(duì)資源的高需求性,使得在蜂窩車聯(lián)網(wǎng)中實(shí)現(xiàn)任務(wù)卸載更具挑戰(zhàn)性。目前研究基于移動(dòng)邊緣計(jì)算輔助網(wǎng)絡(luò)框架的任務(wù)卸載,主要考慮的是任務(wù)卸載成本、任務(wù)執(zhí)行時(shí)間、延遲等相關(guān)方面,并未考慮在車輛編隊(duì)中實(shí)現(xiàn)任務(wù)的最優(yōu)卸載。針對(duì)此問題,本論文基于聚合成本的拉格朗日松弛算法,結(jié)合任務(wù)的線性拓?fù)淠Ｐ?以優(yōu)化任務(wù)卸載成本為目標(biāo),提出了一種由MEC服務(wù)器輔助的車輛編隊(duì)最小成本協(xié)同任務(wù)卸載的決策方法。應(yīng)用任務(wù)的各個(gè)子任務(wù)之間存在依賴關(guān)系,且車輛編... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

任務(wù)卸載決策

任務(wù)卸載決策


本文編號(hào)：2939959