近年來(lái),隨著移動(dòng)終端設(shè)備數(shù)量的迅速增長(zhǎng),云計(jì)算網(wǎng)絡(luò)中的通信負(fù)載大幅增加,從而導(dǎo)致了較高的任務(wù)執(zhí)行延遲,同時(shí),隨著移動(dòng)應(yīng)用的日益智能化,現(xiàn)有的智能移動(dòng)設(shè)備已經(jīng)無(wú)法滿足虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等新興移動(dòng)應(yīng)用的計(jì)算與延時(shí)需求,所以這些移動(dòng)應(yīng)用只能寄希望于新型的網(wǎng)絡(luò)架構(gòu)。許多研究者提出了邊緣云計(jì)算解決方案,邊緣云服務(wù)器將遠(yuǎn)程云端的部分任務(wù)緩存在本地,從而能夠就近地執(zhí)行智能移動(dòng)設(shè)備的任務(wù)請(qǐng)求,減緩了網(wǎng)絡(luò)的擁塞狀況并降低了任務(wù)的執(zhí)行時(shí)間。這種基于邊緣計(jì)算的任務(wù)緩存方案能夠滿足新興移動(dòng)應(yīng)用的低延時(shí)需求,考慮到邊緣云服務(wù)器緩存容量的有限性,為了合理地選擇任務(wù)緩存到邊緣云服務(wù)器中,基于多臂賭博機(jī)模型提出了一種稱(chēng)為UCB-AC(Upper Confidence Bound-Adaptive Caching)的自適應(yīng)任務(wù)緩存策略。UCB-AC任務(wù)緩存策略不僅能夠在線學(xué)習(xí)移動(dòng)用戶的任務(wù)請(qǐng)求模式,而且能夠根據(jù)用戶請(qǐng)求的任務(wù)量大小動(dòng)態(tài)地調(diào)整緩存策略。通過(guò)數(shù)學(xué)方法證明了算法的累積期望學(xué)習(xí)遺憾上界值,表明UCB-AC算法能夠以有限的學(xué)習(xí)代價(jià)來(lái)降低任務(wù)的執(zhí)行延時(shí)。為了評(píng)估UCB-AC算法的有效性,采用平均任務(wù)執(zhí)行時(shí)間、期望學(xué)...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究工作
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)與理論基礎(chǔ)
    2.1 強(qiáng)化學(xué)習(xí)
    2.2 經(jīng)典多臂賭博機(jī)
    2.3 經(jīng)典多臂賭博機(jī)常用算法
    2.4 本章小結(jié)
3 自適應(yīng)任務(wù)緩存策略研究
    3.1 任務(wù)緩存模型與算法選擇
    3.2 自適應(yīng)任務(wù)緩存算法
    3.3 累積期望遺憾上界分析
    3.4 本章小結(jié)
4 實(shí)驗(yàn)過(guò)程及結(jié)果分析
    4.1 仿真實(shí)驗(yàn)環(huán)境說(shuō)明
    4.2 評(píng)估指標(biāo)與對(duì)比算法
    4.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀學(xué)位期間發(fā)表的論文



本文編號(hào)：3803755