伴隨著移動通信業(yè)務(wù)和互聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展,移動用戶對互聯(lián)網(wǎng)服務(wù)的響應(yīng)速度也有著更高的要求,但目前傳統(tǒng)的移動通信網(wǎng)絡(luò)架構(gòu)無法滿足該要求。而移動邊緣計算(Mobile Edge Computing,MEC)的提出,為該問題提供了一種切實有效的解決方案。與傳統(tǒng)的移動通信網(wǎng)絡(luò)架構(gòu)相比,MEC在移動用戶附近部署大量能提供存儲和計算功能的服務(wù)器,通過將服務(wù)器下沉到移動網(wǎng)絡(luò)邊緣的方式,能有效降低互聯(lián)網(wǎng)服務(wù)的響應(yīng)時間。但是MEC資源十分有限,因此無法快速響應(yīng)移動用戶的所有請求。又由于移動用戶請求的動態(tài)性較強(qiáng),所以研究MEC中內(nèi)容緩存與資源租賃的聯(lián)合問題十分具有挑戰(zhàn)性。對此,本文提出了一種新的聯(lián)合算法以解決MEC中內(nèi)容緩存與資源租賃的聯(lián)合問題。首先,本文提出了內(nèi)容緩存和資源租賃聯(lián)合設(shè)計算法,其目的是租賃服務(wù)器構(gòu)建MEC,在最大化系統(tǒng)服務(wù)量的同時,最小化系統(tǒng)的租賃成本。內(nèi)容緩存和資源租賃聯(lián)合設(shè)計算法由兩個步驟組成:第一步是利用未到期資源最大化系統(tǒng)的服務(wù)量;第二步是在響應(yīng)移動用戶剩余請求的同時,最小化系統(tǒng)的租賃價格。其次,本文還設(shè)計了內(nèi)容緩存和資源租賃迭代設(shè)計算法,與內(nèi)容緩存和資源租賃聯(lián)合算法相比,該迭代算法雖然需要更長的運行時間,但是其在系統(tǒng)性能方面表現(xiàn)更優(yōu)。最后,本文進(jìn)一步提出了緩存和路由平衡算法。該算法重量輕,可以作為內(nèi)容緩存和資源租賃聯(lián)合設(shè)計算法與內(nèi)容緩存和資源租賃迭代設(shè)計算法的伴隨算法而頻繁執(zhí)行,其目的是動態(tài)地調(diào)整系統(tǒng)的緩存放置和請求路由,以最大化系統(tǒng)的總服務(wù)量。仿真結(jié)果表明,與傳統(tǒng)的緩存放置算法相比,本文提出的聯(lián)合算法能顯著提高系統(tǒng)的服務(wù)量,有效降低系統(tǒng)的租賃成本,并控制系統(tǒng)的平均響應(yīng)時延在一個相對可接受的范圍內(nèi)。不僅如此,該聯(lián)合算法在處理動態(tài)性較強(qiáng)的請求時具有一定的魯棒性,因此本文提出的聯(lián)合算法具有更廣泛的實際應(yīng)用價值。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN929.5;TP301.6
【部分圖文】：

圖 5-2 迭代次數(shù)對最優(yōu)解的影響迭代算法的迭代次數(shù)對 DUR-GSA 和 DNR-GSA 算標(biāo)表示迭代算法的迭代次數(shù)，縱坐標(biāo)表示在該迭代次優(yōu)解為迭代 20 次獲得的效果最好的解（DUR-GSA最大的解，DNR-GSA 算法的最優(yōu)解選取使系統(tǒng)租可知，在 5時，系統(tǒng)最優(yōu)解出現(xiàn)的概率是 97%，率逼近 100%，而當(dāng) 8時，對于系統(tǒng)性能的提 8。百分比過改變內(nèi)容數(shù)目、節(jié)點數(shù)目、式(5-2)中的參數(shù) 、式 q 測試各個算法在系統(tǒng)服務(wù)量上的表現(xiàn)。節(jié)點和一級節(jié)點的數(shù)量比為 5:1，因此在改變二級節(jié)

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文系統(tǒng)服務(wù)量百分比比 JDCP 和 JDCP-DCRB 算法穩(wěn)定高出 1%~2%，比 Greedy 和Greedy-DCRB 算法穩(wěn)定高出 5%~6%，而比 LRU 算法穩(wěn)定高出 20%左右。如圖 5-3(b)所示，在二級節(jié)點數(shù)目從 5 個變化到 80 個的過程中， LRU 算法的系統(tǒng)服務(wù)量百分比呈現(xiàn)出先上升后下降的趨勢，而其他算法的系統(tǒng)服務(wù)量百分比呈現(xiàn)出先上升后接近穩(wěn)定的趨勢。其中 JDCP-GSA-DCRB 算法仍舊在系統(tǒng)服務(wù)量百分比上領(lǐng)先于其他算法，JDCP 和 JDCP-DCRB 算法緊隨其后，Greedy 和 Greedy-DCRB算法表現(xiàn)尚可。當(dāng)二級節(jié)點數(shù)目為80個時，LRU算法的系統(tǒng)服務(wù)量百分比只有32%，無法令人滿意。

（a）參數(shù) s 對系統(tǒng)服務(wù)量的影響 （b）參數(shù) q 對系統(tǒng)服務(wù)量的影響圖 5-4 參數(shù) s 和 q 對系統(tǒng)服務(wù)量的影響如圖 5-5(a)所示，在參數(shù) 從 5 變化到 80 的過程中，所有算法的系統(tǒng)服務(wù)量百分比都有略微下降的趨勢。但當(dāng) ∈ 40 80 時，JDCP、JDCP-DCRB 和 JDCP-GSA-DCRB 算法的系統(tǒng)服務(wù)量百分比的下降梯度小于 Greedy 和 Greedy-DCRB 算法，其中表現(xiàn)最佳的算法仍然是 JDCP-GSA-DCRB 算法，表現(xiàn)次佳的算法是 JDCP-DCRB算法。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;礦產(chǎn)資源租賃稅在澳大利亞正式實施[J];現(xiàn)代礦業(yè);2012年08期

2 相錫明;尹瑞強(qiáng);;人力資源租賃與企業(yè)發(fā)展[J];重型汽車;2008年06期

3 徐靜冉;;澳大利亞礦產(chǎn)資源租賃稅改革及其啟示[J];商業(yè)研究;2013年05期

4 楊樹琪;徐靜冉;;澳大利亞礦產(chǎn)資源租賃稅政策對中國的啟示[J];昆明理工大學(xué)學(xué)報(社會科學(xué)版);2012年05期

5 張廷栓;;論企業(yè)人力資源租賃中的法律風(fēng)險防范[J];中國商貿(mào);2011年20期

6 袁雪妃;;探析人力資源租賃在中國發(fā)展的新趨勢——重視勞動者就業(yè)素質(zhì)的提高[J];黑龍江對外經(jīng)貿(mào);2008年09期

7 黃梅;;中小企業(yè)人力資源租賃模式探討[J];貴陽市委黨校學(xué)報;2006年01期

8 ;澳通過礦產(chǎn)資源租賃稅法案 中國鋼鐵行業(yè)受負(fù)面影響[J];現(xiàn)代礦業(yè);2012年04期

9 黃梅;;中小企業(yè)人力資源租賃戰(zhàn)略的價值探討[J];天津職業(yè)院校聯(lián)合學(xué)報;2006年03期

10 劉芳;楊付;;人力資源租賃分配的模型構(gòu)建與管理[J];安徽工業(yè)大學(xué)學(xué)報(社會科學(xué)版);2008年05期

相關(guān)碩士學(xué)位論文 前6條

1 鐘杰瑛;移動邊緣計算中內(nèi)容緩存與資源租賃的聯(lián)合設(shè)計研究[D];華中科技大學(xué);2019年

2 張慷;在公有云上最小化MXNet資源租賃開銷的調(diào)度技術(shù)研究[D];電子科技大學(xué);2018年

3 方曉舒;資源租賃下農(nóng)產(chǎn)品供應(yīng)鏈?zhǔn)找婀椒峙溲芯縖D];西南交通大學(xué);2018年

4 陳俊良;云混合資源租賃模式下的實時工作流調(diào)度優(yōu)化[D];東南大學(xué);2017年

5 陳海朝;廣州南方人才資源租賃中心競爭戰(zhàn)略研究[D];華南理工大學(xué);2011年

6 沃世木（Muhammad Waseem）;基于競價實例的云工作流調(diào)度方法[D];東南大學(xué);2016年

本文編號：2851709