邊緣計算是未來信息時代的重要支柱之一,例如在智慧城市,智能家居,智能交通系統(tǒng)中邊緣計算都扮演著重要角色。近年來,邊緣計算的研究工作已經(jīng)成為一個熱點問題,人們希望通過一種新的體系架構來使得一些需要大量計算量的計算任務能夠在便攜式設備上運行,例如手機,平板電腦和一些穿戴式設備。但是這些設備由于其處理器能力并不是很強大,并且受到自身電源的限制,使得這些大型的計算任務不可能直接運行在這些設備上。近年來,邊緣計算的相關研究不斷進步,邊緣計算被認為能很好的解決這些問題。它的主要思想是將這些大型的計算任務放到離用戶很近的邊緣服務器上來進行。但是目前很少有研究關于邊緣服務器的位置及選址問題。大家都是默認邊緣服務器已經(jīng)部署在一個理想的位置,從而滿足邊緣計算的各種需求。然而,邊緣服務器的選址問題一直都是一個比較難的問題。因此,本文提出了兩種關于邊緣服務器選址方案來進一步推進邊緣計算的發(fā)展。本文的主要工作如下:1.提出了一種基于成本效益的邊緣服務器選址策略。我們在研究邊緣服務器部署方案的時候,從服務提供商節(jié)約成本的角度出發(fā),我們選擇在已有的基站上來部署邊緣服務器,而不是重新尋找新的位置。但是我們觀察一個城市... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

單目標與多目標示意圖

第二章相關算法介紹12TpxfxfxfxfxfV)](),...,(),(),([)(min321=.Xxts（2.4）mRXV-min表示向量極小化，即向量目標fi(x)中的各個子目標函數(shù)都盡可能達到極小化。（極大化和極小化問題可以相互轉化，因此本文僅以極小化為例。）若RXm是多目標優(yōu)化模型的約束量集，m)(Rxf是多目標優(yōu)化時的向量目標函數(shù)；（1）若有解x1,x2∈X，并且任意的k=1,2,3....都有)()(21xfxfkk，則稱x1比解x2優(yōu)越，也就是：.,21xXxX若)()(21xfxfkk（k=1,2，...,p）并且)()(21xfxfkk（k=1,2,3,...,p）。這個就是多目標問題中的占優(yōu)概念。（2）若x1比X中所有的其他解更優(yōu)，效果更好，則x1是多目標模型的最優(yōu)解。（3）設f(x)為多目標優(yōu)化的向量目標函數(shù)，S為多目標優(yōu)化的可行域。若f(X)≤f(X)X∈S則f(X)稱是多目標優(yōu)化的絕對最優(yōu)解。若f(X)≤f(X)X∈S，則稱X是多目標優(yōu)化問題的非劣解。即Pareto最優(yōu)解。非劣解也稱為有效解(EfficientSolution)、非支配解(Non-dominatedSolution)、Pareto最優(yōu)解(ParetoOptimalSolution)或Pareto解。多目標優(yōu)化問題的非劣解一般情況下不止一個，由這些非劣解組成的集合稱為非劣解集(Non-inferiorSet)。這些非劣解集對應的目標函數(shù)則構成了多目標問題的Pareto前緣，也稱為非劣解。由上述定義可知，多目標優(yōu)化問題的最優(yōu)解x1就是使目標函數(shù)f(x)的每個子目標函數(shù)都在x1處達到最優(yōu)解，如圖所示，這顯然存在偶然性，并不具有代表性。圖2.2多目標優(yōu)化問題的最優(yōu)解Fig.2.2Optimalsolutionofmulti-objectiveoptimizationproblem

安徽大學碩士學位論文 當解 x1 并不能使所有的 fi(x)的都達到最優(yōu)，但并不存在比 x1 更優(yōu)越的解時，則稱x1 是多目標最優(yōu)化模型的 Pareto 最優(yōu)解。


本文編號：2984176