【摘要】：物聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展使移動(dòng)通信網(wǎng)絡(luò)面臨著超高連接密度、超低時(shí)延和更高用戶體驗(yàn)速率的挑戰(zhàn),擁有低時(shí)延和網(wǎng)絡(luò)上下文感知等特點(diǎn)的移動(dòng)邊緣計(jì)算(Mobile Edge Computing,MEC)成為了5G網(wǎng)絡(luò)應(yīng)對(duì)這些挑戰(zhàn)的核心技術(shù)之一。MEC通過將云計(jì)算服務(wù)下沉至移動(dòng)接入網(wǎng)絡(luò)側(cè),使傳統(tǒng)的移動(dòng)網(wǎng)絡(luò)除了具備通信能力外,還具有計(jì)算和存儲(chǔ)等IT服務(wù)能力。在MEC環(huán)境下,用戶設(shè)備(User Equipment,UE)可以將計(jì)算密集或者時(shí)延敏感的任務(wù)以超低的傳輸時(shí)延遷移到MEC服務(wù)器,由MEC服務(wù)器為其分配計(jì)算資源并輔助執(zhí)行任務(wù)計(jì)算,從而達(dá)到加速UE任務(wù)處理和節(jié)約能耗的目的,因此,MEC任務(wù)遷移策略成為決定MEC系統(tǒng)效率的關(guān)鍵因素之一。本文通過調(diào)研MEC任務(wù)遷移策略的研究現(xiàn)狀和特點(diǎn),結(jié)合近年來深度強(qiáng)化學(xué)習(xí)(Deep Reinforcement Learning,DRL)成功解決人工智能領(lǐng)域決策問題的經(jīng)驗(yàn),深入探索了如何運(yùn)用DRL方法來實(shí)現(xiàn)單用戶和多用戶場(chǎng)景下任務(wù)的最優(yōu)遷移策略,主要工作如下:(1)提出了面向單用戶場(chǎng)景的任務(wù)遷移策略。在運(yùn)行多個(gè)獨(dú)立任務(wù)的單用戶MEC環(huán)境中,同時(shí)考慮任務(wù)的調(diào)度順序和遷移決策,構(gòu)建了系統(tǒng)、任務(wù)和時(shí)延能耗模型,進(jìn)一步設(shè)計(jì)了基于策略梯度強(qiáng)化學(xué)習(xí)的任務(wù)遷移策略,實(shí)現(xiàn)了任務(wù)處理時(shí)延和UE能耗聯(lián)合最小化的目標(biāo)。(2)提出了面向多用戶場(chǎng)景的任務(wù)遷移策略。在低計(jì)算能力UE密集的MEC環(huán)境中,考慮MEC服務(wù)器計(jì)算資源的分配,構(gòu)建馬爾可夫決策過程,并設(shè)計(jì)了基于DRL的任務(wù)遷移策略,保證了時(shí)延敏感任務(wù)對(duì)MEC系統(tǒng)的性能需求。(3)為了驗(yàn)證本研究的性能效果,在Python環(huán)境下,搭建了單用戶與多用戶任務(wù)遷移策略的仿真實(shí)驗(yàn)環(huán)境,并分別進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,相比傳統(tǒng)方法,在單用戶場(chǎng)景中,該策略能明顯降低任務(wù)的處理時(shí)延和UE的能耗,在多用戶場(chǎng)景下,該策略能有效降低時(shí)延敏感任務(wù)的處理時(shí)延和超時(shí)時(shí)長。通過運(yùn)用DRL方法設(shè)計(jì)單用戶與多用戶MEC場(chǎng)景下的任務(wù)遷移策略,使得策略對(duì)負(fù)載動(dòng)態(tài)變化有很強(qiáng)的適應(yīng)性,能有效優(yōu)化任務(wù)遷移過程中的能耗和時(shí)延,可以為未來5G網(wǎng)絡(luò)重點(diǎn)部署的車聯(lián)網(wǎng)、物聯(lián)網(wǎng)等應(yīng)用場(chǎng)景提供高效的計(jì)算遷移服務(wù)。
【圖文】：

圖 1-1 全球及中國在 2010-2030 年移動(dòng)終端及物聯(lián)網(wǎng)連接數(shù)增長趨勢(shì)圖[1]Fig. 1-1 Global and China's Growth Trend of Mobile Terminal and IoT Connections in2010-2030[1]1.1.2 移動(dòng)邊緣計(jì)算的發(fā)展歷程與研究現(xiàn)狀MEC 是在移動(dòng)云計(jì)算（Mobile Cloud Computing, MCC）、局域云（LocalCloud）、小云（Cloudlet）等概念的基礎(chǔ)上的提出的，下文將對(duì)它的發(fā)展歷程進(jìn)行描述。MCC 是云計(jì)算技術(shù)在移動(dòng)互聯(lián)網(wǎng)中的應(yīng)用[5][6]。云計(jì)算技術(shù)允許用戶以相對(duì)低廉的成本按需靈活地使用云服務(wù)提供商（如谷歌、亞馬遜等）提供的基礎(chǔ)設(shè)施（如服務(wù)器、網(wǎng)絡(luò)和存儲(chǔ)等）、平臺(tái)（如中間件服務(wù)和操作系統(tǒng)等）和軟件（如應(yīng)用程序）服務(wù)，這樣，部署在云端的移動(dòng)應(yīng)用程序可以以最少的管理工作或與服務(wù)提供商的交互被迅速地提供和發(fā)布[7]，而移動(dòng)互聯(lián)網(wǎng)技術(shù)為移動(dòng)用戶使用云計(jì)算服務(wù)提供了入口，使得用戶設(shè)備可以將耗時(shí)的計(jì)算任務(wù)或需要占用大量存儲(chǔ)的數(shù)據(jù)存儲(chǔ)在云端，這樣極大程度的減少了移動(dòng)設(shè)備由于進(jìn)行大負(fù)荷的計(jì)算或存

云控制器處理移動(dòng)用戶的請(qǐng)求并向其提供相應(yīng)的云服務(wù)。然而，我們可以從圖1-2 中看到，云端的位置距離終端用戶非常遠(yuǎn)，終端用戶想要使用云端提供的服務(wù)需要經(jīng)過非常多的因特網(wǎng)節(jié)點(diǎn)跳轉(zhuǎn)與認(rèn)證才能完成，這勢(shì)必會(huì)導(dǎo)致較長的網(wǎng)絡(luò)傳輸時(shí)延，甚至有可能在網(wǎng)絡(luò)較差時(shí)與云端失去連接，這將極大的降低時(shí)延敏感應(yīng)用的使用體驗(yàn)。解決長時(shí)延問題的一種辦法是縮短用戶終端與云服務(wù)器之間的距離，，使移動(dòng)終端在使用云計(jì)算服務(wù)器時(shí)不需要經(jīng)過漫長的因特網(wǎng)核心網(wǎng)連接，僅經(jīng)過一跳或幾跳就可以實(shí)現(xiàn)與云計(jì)算中心的交互，這就是近端云的概念，并且由此產(chǎn)生了小
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN929.5;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧偉華;;基于安全威脅預(yù)測(cè)的5G網(wǎng)絡(luò)切片功能遷移策略[J];計(jì)算機(jī)產(chǎn)品與流通;2018年12期

2 張美賢;;善用遷移策略 促進(jìn)有效學(xué)習(xí)[J];福建基礎(chǔ)教育研究;2017年06期

3 文劍輝;;遷移策略對(duì)相似性化學(xué)問題解決影響的調(diào)查分析[J];嘉應(yīng)學(xué)院學(xué)報(bào);2017年02期

4 孫陽;許建潮;郭建偉;劉鋼;;基于啟發(fā)式算法的數(shù)據(jù)遷移策略[J];吉林建筑大學(xué)學(xué)報(bào);2016年03期

5 熊益;;論第二外語(法語)習(xí)得中遷移策略的培養(yǎng)[J];考試周刊;2017年03期

6 吉向東;;從Embedded Visual C++ 4.0到Visual Studio 2005的遷移策略[J];自動(dòng)化技術(shù)與應(yīng)用;2009年07期

7 張丙英;黃教珍;;高職教學(xué)中遷移策略的分析與思考[J];快樂閱讀;2013年01期

8 劉慶云;;例談遷移策略在《電功率》一節(jié)教學(xué)中的運(yùn)用[J];物理教學(xué)探討;2014年05期

9 劉寧;張立杰;史一民;;數(shù)據(jù)流查詢計(jì)劃的并行遷移策略[J];計(jì)算機(jī)工程;2009年19期

10 張爽;;淺議遷移策略的習(xí)得[J];河南教育;2005年12期

相關(guān)會(huì)議論文 前2條

1 畢波;楊智強(qiáng);王衡;汪國平;;基于多設(shè)備的任務(wù)智能遷移系統(tǒng)[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 李強(qiáng);劉亞軍;;一種基于任務(wù)補(bǔ)償?shù)墓ぷ髁鲗?shí)例遷移策略[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

相關(guān)重要報(bào)紙文章 前5條

1 ;如何實(shí)施成功的云遷移策略[N];中國信息化周報(bào);2020年

2 《中國社會(huì)工作·老齡》主編 李新濤　杭州出版集團(tuán)副總經(jīng)理 陳禹安;傳統(tǒng)媒體轉(zhuǎn)型中的“粉絲遷移策略”[N];中國新聞出版報(bào);2014年

3 本報(bào)記者 逄丹;Blue Coat:搭建IPv4到IPv6的安全橋梁[N];通信產(chǎn)業(yè)報(bào);2009年

4 上海建行信息技術(shù)部 戴工玖;ILM技術(shù)在銀行中的應(yīng)用[N];計(jì)算機(jī)世界;2007年

5 ;“改良”還是“革命”[N];網(wǎng)絡(luò)世界;2003年

相關(guān)博士學(xué)位論文 前5條

1 喻歆;演化動(dòng)態(tài)優(yōu)化研究[D];中國科學(xué)技術(shù)大學(xué);2011年

2 鄭永清;云計(jì)算環(huán)境面向SaaS多租戶的可伸縮數(shù)據(jù)放置研究[D];山東大學(xué);2013年

3 馬駿;移動(dòng)agent遷移技術(shù)研究[D];哈爾濱工程大學(xué);2009年

4 劉鎏;數(shù)據(jù)中心高效資源管理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

5 董曉健;基因表達(dá)式編程集成算法研究[D];武漢大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 孟浩;移動(dòng)邊緣計(jì)算中的任務(wù)遷移策略研究[D];北京工業(yè)大學(xué);2019年

2 徐意;面向移動(dòng)應(yīng)用的邊緣云服務(wù)遷移策略研究[D];華中科技大學(xué);2019年

3 管茂林;MEC車聯(lián)網(wǎng)應(yīng)用的預(yù)遷移策略研究[D];重慶郵電大學(xué);2019年

4 韋立;基于Redis自適應(yīng)遷移策略的研究[D];南京郵電大學(xué);2018年

5 龔萬佳;移動(dòng)云環(huán)境中多用戶計(jì)算遷移策略研究[D];武漢理工大學(xué);2017年

6 趙丹;面向5G網(wǎng)絡(luò)的邊緣計(jì)算遷移策略研究與仿真[D];北京郵電大學(xué);2018年

7 劉甜甜;中學(xué)化學(xué)教學(xué)中知識(shí)遷移策略的研究[D];安徽師范大學(xué);2014年

8 寧維宇;面向服務(wù)的未來互聯(lián)網(wǎng)服務(wù)遷移策略的研究[D];北京郵電大學(xué);2014年

9 孫陽;基于群智能算法的云數(shù)據(jù)遷移策略研究[D];長春工業(yè)大學(xué);2016年

10 鐘海;面向云計(jì)算環(huán)境的應(yīng)用遷移策略及資源管理技術(shù)研究[D];云南大學(xué);2011年

本文編號(hào)：2592503