隨著信息時(shí)代的發(fā)展,5G技術(shù)的出現(xiàn)讓通信速率得到飛躍,時(shí)延也越來(lái)越低,現(xiàn)階段計(jì)算設(shè)備的計(jì)算能力也在穩(wěn)步提升。移動(dòng)邊緣計(jì)算（Mobile Edge Computing）作為其關(guān)鍵技術(shù)之一,也在越來(lái)越凸顯它重要的地位。隨著移動(dòng)邊緣計(jì)算快速發(fā)展,用戶設(shè)備（UE）能夠通過(guò)將其任務(wù)卸載到與之相近的邊緣云（MEC）來(lái)享受比之前更加良好的用戶體驗(yàn)。本文主要研究在移動(dòng)邊緣計(jì)算的場(chǎng)景下,UE和MEC之間的任務(wù)調(diào)度策略。本文首先分析并指出了現(xiàn)有移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)模型的不足,并提出了一種新的網(wǎng)絡(luò)模型用于移動(dòng)邊緣計(jì)算的場(chǎng)景。我們將多個(gè)邊緣云多用戶結(jié)合起來(lái)考慮,并且使用戶設(shè)備能夠具有選擇邊緣云的權(quán)力,來(lái)彌補(bǔ)傳統(tǒng)網(wǎng)絡(luò)模型中的不足,此外對(duì)新的移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)模型進(jìn)行深入分析,解釋了在新的網(wǎng)絡(luò)模型下邊緣計(jì)算的工作方式。同時(shí)深入分析了該模型下需要優(yōu)化的目標(biāo)以及系統(tǒng)的工作方式特性,從能耗和卸載成功任務(wù)數(shù)量?jī)煞矫嬷?提出物理模型并建立數(shù)學(xué)模型。本文從原物理模型著手,分析模型特性,并且針對(duì)這些特性將傳統(tǒng)的蟻群算法（ACO）加以優(yōu)化,將負(fù)載均衡與蟻群算法相結(jié)合,提出了負(fù)載均衡蟻群算法來(lái)解決問(wèn)題。這樣使得只具有選擇最短路徑能力的... 

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 移動(dòng)邊緣計(jì)算及其優(yōu)化策略國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 移動(dòng)邊緣計(jì)算的研究歷史和現(xiàn)狀
        1.2.2 相關(guān)優(yōu)化目標(biāo)和算法的研究歷史和現(xiàn)狀
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 移動(dòng)邊緣計(jì)算相關(guān)技術(shù)
    2.1 引言
    2.2 移動(dòng)邊緣技術(shù)的發(fā)展
    2.3 移動(dòng)邊緣計(jì)算的架構(gòu)
    2.4 邊緣云關(guān)鍵技術(shù)
        2.4.1 虛擬化技術(shù)
        2.4.2 新的存儲(chǔ)技術(shù)
        2.4.3 新的編程模型
        2.4.4 計(jì)算卸載
    2.5 相關(guān)網(wǎng)絡(luò)模型
        2.5.1 C-RAN
        2.5.2 NFC-RAN
    2.6 本章小結(jié)
第三章 物理模型及數(shù)學(xué)模型建模
    3.1 現(xiàn)有問(wèn)題分析
    3.2 物理模型提出
        3.2.1 合理假設(shè)和問(wèn)題的提出
    3.3 數(shù)學(xué)建模
        3.3.1 優(yōu)化目標(biāo)
        3.3.2 約束條件
        3.3.3 問(wèn)題公式化
    3.4 Pareto最優(yōu)解
    3.5 本章小結(jié)
第四章 負(fù)載均衡蟻群調(diào)度算法
    4.1 引言
    4.2 經(jīng)典蟻群算法
        4.2.1 經(jīng)典蟻群算法介紹
        4.2.2 經(jīng)典蟻群算法求解步驟
    4.3 蟻群算法的優(yōu)化
        4.3.1 初始化禁忌表的改進(jìn)
        4.3.2 模型轉(zhuǎn)換
        4.3.3 轉(zhuǎn)移概率函數(shù)的優(yōu)化
        4.3.4 信息素積累策略的優(yōu)化
        4.3.5 算法流程的優(yōu)化
    4.4 仿真
        4.4.1 仿真設(shè)置
        4.4.2 仿真結(jié)果
    4.5 本章小結(jié)
第五章 最小費(fèi)用最大流調(diào)度算法
    5.1 引言
    5.2 最小費(fèi)用最大流問(wèn)題
        5.2.1 問(wèn)題簡(jiǎn)介
        5.2.2 問(wèn)題描述
    5.3 最小費(fèi)用最大流算法
        5.3.1 最大流算法
        5.3.2 最短路徑算法
        5.3.3 最小費(fèi)用最大流算法流程
    5.4 最小費(fèi)用最大流任務(wù)調(diào)度算法
        5.4.1 約束調(diào)整
        5.4.2 剪枝
        5.4.3 流量調(diào)整
        5.4.4 問(wèn)題轉(zhuǎn)化
            5.4.4.1 物理參數(shù)映射
            5.4.4.2 約束方程轉(zhuǎn)化
    5.5 仿真
        5.5.1 仿真設(shè)置
        5.5.2 仿真結(jié)果和分析
    5.6 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]A Greedy Algorithm for Task Offloading in Mobile Edge Computing System[J]. Feng Wei,Sixuan Chen,Weixia Zou.  中國(guó)通信. 2018(11)



本文編號(hào)：3662203