移動(dòng)邊緣計(jì)算的計(jì)算卸載和資源分配策略研究
發(fā)布時(shí)間:2021-03-21 17:36
隨著移動(dòng)智能終端大量普及以及新型的計(jì)算密集且延遲敏感的應(yīng)用高速發(fā)展,當(dāng)今蜂窩異構(gòu)網(wǎng)絡(luò)的延遲和能耗問(wèn)題逐漸凸顯,對(duì)未來(lái)的蜂窩網(wǎng)絡(luò)數(shù)據(jù)速率需求和綠色通信的實(shí)現(xiàn)提出了更高的要求。這些需求促使創(chuàng)新性的移動(dòng)邊緣計(jì)算(Mobile Edge Computing,MEC)概念的誕生。在移動(dòng)網(wǎng)絡(luò)邊緣的基站部署計(jì)算能力,結(jié)合蜂窩異構(gòu)網(wǎng)絡(luò)的雙層結(jié)構(gòu),使得移動(dòng)終端用戶可以將待處理的計(jì)算任務(wù)卸載到MEC服務(wù)器進(jìn)行處理,從而有效地減少用戶可感知的延遲和能量消耗。本文主要研究的內(nèi)容為關(guān)于MEC面向用戶的三個(gè)關(guān)鍵挑戰(zhàn),分別是決定用戶的計(jì)算卸載、頻譜資源分配和MEC計(jì)算資源分配。針對(duì)現(xiàn)有策略的不足,本文在蜂窩異構(gòu)網(wǎng)絡(luò)下研究了三種不同的系統(tǒng)模型,以聯(lián)合最小化延遲和能量消耗為目標(biāo),提出了兩種不同的計(jì)算卸載策略和一種聯(lián)合計(jì)算卸載、無(wú)線頻譜資源分配和計(jì)算資源分配的策略。首先,提出的第一種基于用戶選擇的計(jì)算卸載策略?紤]的的系統(tǒng)模型為一個(gè)部署MEC服務(wù)器的宏蜂窩基站(Macro cell base station,MBS)和一個(gè)可作為中繼的小蜂窩基站(Small cell base station,SBS)。以最小化MEC系統(tǒng)...
【文章來(lái)源】:北京工業(yè)大學(xué)北京市 211工程院校
【文章頁(yè)數(shù)】:97 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
計(jì)算卸載決策結(jié)果
終端用戶應(yīng)當(dāng)本地用戶。在第二個(gè)步驟中,由其的計(jì)算卸載優(yōu)先級(jí)。第三個(gè) 用 戶 分 配 無(wú) 線 頻 譜 資 源其中I 是迭代次數(shù), N 代表獻(xiàn)中展示的數(shù)值結(jié)果,與沒(méi)能耗。此外,隨著 MEC 計(jì)算加。文獻(xiàn)[30]考慮了部分卸載可計(jì)算卸載部分的情況,如分卸載到 MEC 服務(wù)器。作者其復(fù)雜度高達(dá) O 2N ,為了法,次優(yōu)算法的復(fù)雜度降低的信干噪比(Signal and I能效果。
示卸載計(jì)算任務(wù),1 表示移動(dòng)終端本地執(zhí)行任務(wù)文獻(xiàn)中提出的最優(yōu)解決方案復(fù)雜度高達(dá) 22NO N Binary Particle Swarm Optimizer, BPSO)的啟發(fā)式計(jì)算復(fù)雜度為 2O GKN ,其中,G 是迭代次數(shù),就能量消耗而言,BPSO 算法能夠?qū)崿F(xiàn)與文獻(xiàn)[3同的效果。文獻(xiàn)[31]和文獻(xiàn)[32]明顯的缺點(diǎn)在于 M用戶。文獻(xiàn)[33]解決了多個(gè)移動(dòng)終端用戶的計(jì)算中,待解決應(yīng)用被分成各部分全部可卸載,并在卸載計(jì)算。文獻(xiàn)中假設(shè)移動(dòng)終端用戶可以確定應(yīng)載到 MEC 服務(wù)器。問(wèn)題先是被建立成高復(fù)雜度線性規(guī)劃問(wèn)題,其復(fù)雜度為 O N ,其中 N 為執(zhí)果顯示,與無(wú)卸載情況相比,使用窮舉搜索最優(yōu)。使用低復(fù)雜度的啟發(fā)式算法可以為終端節(jié)省 3
【參考文獻(xiàn)】:
期刊論文
[1]移動(dòng)邊緣計(jì)算卸載技術(shù)綜述[J]. 謝人超,廉曉飛,賈慶民,黃韜,劉韻潔. 通信學(xué)報(bào). 2018(11)
[2]基于霧計(jì)算的物聯(lián)網(wǎng)基礎(chǔ)安全架構(gòu)[J]. 李昕,楊波. 黃山學(xué)院學(xué)報(bào). 2017(05)
[3]大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J]. 唐國(guó)宇,陸文成. 電子技術(shù)與軟件工程. 2017(19)
[4]基于霧計(jì)算的NB-IoT框架、關(guān)鍵技術(shù)及應(yīng)用[J]. 張紅,王玉峰. 中興通訊技術(shù). 2017(01)
[5]移動(dòng)邊緣計(jì)算技術(shù)及其本地分流方案[J]. 張建敏,謝偉良,楊峰義,武洲云,謝亮. 電信科學(xué). 2016(07)
[6]移動(dòng)邊緣計(jì)算促進(jìn)5G發(fā)展的分析[J]. 戴晶,陳丹,范斌. 郵電設(shè)計(jì)技術(shù). 2016(07)
[7]大數(shù)據(jù)分析[J]. 陳明. 計(jì)算機(jī)教育. 2014(05)
碩士論文
[1]LTE-Advanced系統(tǒng)中的MIMO技術(shù)研究[D]. 黃宗治.重慶郵電大學(xué) 2010
本文編號(hào):3093271
【文章來(lái)源】:北京工業(yè)大學(xué)北京市 211工程院校
【文章頁(yè)數(shù)】:97 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
計(jì)算卸載決策結(jié)果
終端用戶應(yīng)當(dāng)本地用戶。在第二個(gè)步驟中,由其的計(jì)算卸載優(yōu)先級(jí)。第三個(gè) 用 戶 分 配 無(wú) 線 頻 譜 資 源其中I 是迭代次數(shù), N 代表獻(xiàn)中展示的數(shù)值結(jié)果,與沒(méi)能耗。此外,隨著 MEC 計(jì)算加。文獻(xiàn)[30]考慮了部分卸載可計(jì)算卸載部分的情況,如分卸載到 MEC 服務(wù)器。作者其復(fù)雜度高達(dá) O 2N ,為了法,次優(yōu)算法的復(fù)雜度降低的信干噪比(Signal and I能效果。
示卸載計(jì)算任務(wù),1 表示移動(dòng)終端本地執(zhí)行任務(wù)文獻(xiàn)中提出的最優(yōu)解決方案復(fù)雜度高達(dá) 22NO N Binary Particle Swarm Optimizer, BPSO)的啟發(fā)式計(jì)算復(fù)雜度為 2O GKN ,其中,G 是迭代次數(shù),就能量消耗而言,BPSO 算法能夠?qū)崿F(xiàn)與文獻(xiàn)[3同的效果。文獻(xiàn)[31]和文獻(xiàn)[32]明顯的缺點(diǎn)在于 M用戶。文獻(xiàn)[33]解決了多個(gè)移動(dòng)終端用戶的計(jì)算中,待解決應(yīng)用被分成各部分全部可卸載,并在卸載計(jì)算。文獻(xiàn)中假設(shè)移動(dòng)終端用戶可以確定應(yīng)載到 MEC 服務(wù)器。問(wèn)題先是被建立成高復(fù)雜度線性規(guī)劃問(wèn)題,其復(fù)雜度為 O N ,其中 N 為執(zhí)果顯示,與無(wú)卸載情況相比,使用窮舉搜索最優(yōu)。使用低復(fù)雜度的啟發(fā)式算法可以為終端節(jié)省 3
【參考文獻(xiàn)】:
期刊論文
[1]移動(dòng)邊緣計(jì)算卸載技術(shù)綜述[J]. 謝人超,廉曉飛,賈慶民,黃韜,劉韻潔. 通信學(xué)報(bào). 2018(11)
[2]基于霧計(jì)算的物聯(lián)網(wǎng)基礎(chǔ)安全架構(gòu)[J]. 李昕,楊波. 黃山學(xué)院學(xué)報(bào). 2017(05)
[3]大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J]. 唐國(guó)宇,陸文成. 電子技術(shù)與軟件工程. 2017(19)
[4]基于霧計(jì)算的NB-IoT框架、關(guān)鍵技術(shù)及應(yīng)用[J]. 張紅,王玉峰. 中興通訊技術(shù). 2017(01)
[5]移動(dòng)邊緣計(jì)算技術(shù)及其本地分流方案[J]. 張建敏,謝偉良,楊峰義,武洲云,謝亮. 電信科學(xué). 2016(07)
[6]移動(dòng)邊緣計(jì)算促進(jìn)5G發(fā)展的分析[J]. 戴晶,陳丹,范斌. 郵電設(shè)計(jì)技術(shù). 2016(07)
[7]大數(shù)據(jù)分析[J]. 陳明. 計(jì)算機(jī)教育. 2014(05)
碩士論文
[1]LTE-Advanced系統(tǒng)中的MIMO技術(shù)研究[D]. 黃宗治.重慶郵電大學(xué) 2010
本文編號(hào):3093271
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3093271.html
最近更新
教材專(zhuān)著