近年來,移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的飛速發(fā)展催生了多種新型業(yè)務(wù)。其中計(jì)算密集型應(yīng)用,如視頻轉(zhuǎn)碼、3D在線游戲、現(xiàn)實(shí)增強(qiáng)等,會消耗大量的計(jì)算資源,產(chǎn)生巨大的計(jì)算能耗,并且往往需求很短的響應(yīng)時延。但是,受限于計(jì)算、存儲和能量等資源,終端設(shè)備往往不能獨(dú)立且高效地處理這些計(jì)算密集型應(yīng)用。傳統(tǒng)的解決方案是將計(jì)算密集型應(yīng)用卸載到云計(jì)算中心進(jìn)行處理。然而,這種方式不僅會帶來大量的數(shù)據(jù)傳輸,對容量有限的上下行帶寬造成巨大壓力,還會導(dǎo)致較長的響應(yīng)時延和較大的通信能耗開銷,影響用戶的應(yīng)用體驗(yàn)。在這種背景下,移動邊緣計(jì)算（Mobile Edge Computing,MEC）應(yīng)運(yùn)而生。通過在靠近終端用戶的邊緣服務(wù)器上部署計(jì)算、存儲等資源,MEC可以提供具有近域特性的計(jì)算環(huán)境,解決傳統(tǒng)基于云計(jì)算的計(jì)算卸載中時延過長、終端能耗過高、帶寬壓力過大等問題。不同于簡單的通信和計(jì)算行為,計(jì)算卸載過程同時涉及通信和計(jì)算兩種資源,并產(chǎn)生“此消彼長”的通信開銷和計(jì)算開銷。不合理的卸載策略不但會降低計(jì)算卸載在能耗和時延方面的增益,嚴(yán)重時甚至?xí)斐尚阅軗p失。因此,如何通過合理的資源管控來折中卸載過程中的計(jì)算開銷和通信開銷是充分挖掘MEC系... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：127 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
        1.1.1 移動邊緣計(jì)算的由來
        1.1.2 移動邊緣計(jì)算的研究現(xiàn)狀
    1.2 移動邊緣計(jì)算中的關(guān)鍵技術(shù)
        1.2.1 計(jì)算卸載技術(shù)
        1.2.2 協(xié)同計(jì)算技術(shù)
    1.3 本課題的研究現(xiàn)狀及面臨挑戰(zhàn)
        1.3.1 計(jì)算卸載相關(guān)研究
        1.3.2 邊緣服務(wù)器協(xié)同計(jì)算相關(guān)研究
    1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)安排
第二章 融合DVS技術(shù)的單用戶計(jì)算卸載策略研究
    2.1 引言
    2.2 系統(tǒng)模型和問題建模
        2.2.1 場景描述
        2.2.2 應(yīng)用模型
        2.2.3 能耗和時延模型
        2.2.4 問題建模
    2.3 能耗最優(yōu)的的部分計(jì)算卸載策略
        2.3.1 問題可行性分析
        2.3.2 最優(yōu)解
        2.3.3 特殊情況分析
        2.3.4 多邊緣服務(wù)器場景下ECM問題拓展研究
    2.4 時延最優(yōu)的部分計(jì)算卸載策略
        2.4.1 可行性分析
        2.4.2 最優(yōu)解
        2.4.3 多邊緣服務(wù)器場景中LM問題的拓展研究
    2.5 仿真結(jié)果
        2.5.1 EPCO算法性能
        2.5.2 LPCO算法性能
        2.5.3 EPCOMCSS和LPCOMCSS算法性能
    2.6 本章小結(jié)
第三章 面向終端節(jié)能的多用戶計(jì)算卸載策略研究
    3.1 引言
    3.2 系統(tǒng)模型
        3.2.1 網(wǎng)絡(luò)模型
        3.2.2 應(yīng)用模型
        3.2.3 終端處理模型
        3.2.4 卸載模型
    3.3 問題建模和分析
        3.3.1 問題建模
        3.3.2 問題分析
    3.4 多用戶計(jì)算卸載策略設(shè)計(jì)
        3.4.1 本地計(jì)算速率調(diào)整
        3.4.2 內(nèi)部耦合問題:個體卸載比例調(diào)整
        3.4.3 外部耦合問題:群體資源分配策略
        3.4.4 復(fù)原操作
    3.5 算法應(yīng)用時注意事項(xiàng)
        3.5.1 收斂性分析
        3.5.2 計(jì)算復(fù)雜度分析
        3.5.3 信令開銷分析
        3.5.4 MPCO算法最優(yōu)性條件
        3.5.5 MPCO算法在擴(kuò)展場景中的應(yīng)用
    3.6 仿真結(jié)果
        3.6.1 MPCO算法收斂性和有效性
        3.6.2 有限資源對目標(biāo)能耗的影響
        3.6.3 MPCO算法和其他算法的性能對比
        3.6.4 用戶異構(gòu)性的影響
    3.7 本章總結(jié)
    3.8 附錄
        3.8.1 定理3.1的證明
        3.8.2 引理3.1的證明
        3.8.3 引理3.2的證明
第四章 多邊緣服務(wù)器協(xié)同計(jì)算中視頻緩存和分發(fā)策略研究
    4.1 引言
    4.2 系統(tǒng)模型
        4.2.1 視頻模型
        4.2.2 兩個時間尺度上的策略設(shè)計(jì)
    4.3 問題建模
        4.3.1 問題目標(biāo)
        4.3.2 主要約束
        4.3.3 問題建模
    4.4 基于SAA的半在線兩步算法設(shè)計(jì)
        4.4.1 慢時間尺度上的視頻存儲策略設(shè)計(jì)
        4.4.2 快時間尺度上的視頻分發(fā)策略設(shè)計(jì)
    4.5 算法擴(kuò)展
        4.5.1 存儲命中率最大化問題
        4.5.2 回程鏈路業(yè)務(wù)量最小化問題
    4.6 仿真結(jié)果
        4.6.1 邊緣服務(wù)器存儲能力的影響
        4.6.2 邊緣服務(wù)器計(jì)算能力的影響
        4.6.3 邊緣服務(wù)器個數(shù)和視頻請求到達(dá)速率的影響
        4.6.4 計(jì)算轉(zhuǎn)碼時間對所提SAATP策略性能的影響
    4.7 本章總結(jié)
第五章 總結(jié)與展望
    5.1 全文內(nèi)容總結(jié)
    5.2 后續(xù)研究工作展望
參考文獻(xiàn)
致謝
作者簡介



本文編號：2981360