隨著無(wú)線網(wǎng)絡(luò)的高速發(fā)展和手持設(shè)備（智能手機(jī)和平板電腦等）的迅速普及,用戶對(duì)多媒體業(yè)務(wù)的需求呈爆炸性增長(zhǎng)。由于用戶設(shè)備的多樣性,源視頻必須被轉(zhuǎn)碼為不同的版本,但視頻轉(zhuǎn)碼卻是一個(gè)計(jì)算昂貴且耗時(shí)的過(guò)程。由于無(wú)線網(wǎng)絡(luò)的動(dòng)態(tài)特性及計(jì)算資源的稀缺性,為用戶提供滿足時(shí)延要求的視頻轉(zhuǎn)碼業(yè)務(wù)是一項(xiàng)巨大的挑戰(zhàn)。鑒于此,本文針對(duì)點(diǎn)播視頻轉(zhuǎn)碼和直播視頻轉(zhuǎn)碼兩種不同的業(yè)務(wù)展開(kāi)了研究,具體內(nèi)容如下:1)針對(duì)點(diǎn)播視頻轉(zhuǎn)碼業(yè)務(wù),本論文提出一種基于移動(dòng)邊緣計(jì)算的異構(gòu)網(wǎng)絡(luò)框架,通過(guò)將終端設(shè)備的視頻卸載到移動(dòng)邊緣計(jì)算服務(wù)器上進(jìn)行轉(zhuǎn)碼,能有效地減輕終端的計(jì)算負(fù)擔(dān)。與現(xiàn)有的文獻(xiàn)不同,由于運(yùn)營(yíng)商是以盈利為目的的,本文聯(lián)合卸載決策和計(jì)算資源分配以最大化卸載的視頻數(shù)量來(lái)提高移動(dòng)運(yùn)營(yíng)商的收益,并且降低時(shí)間延遲。另外,邊緣計(jì)算服務(wù)器為每個(gè)用戶開(kāi)辟了一個(gè)緩沖隊(duì)列,用于存儲(chǔ)在一個(gè)時(shí)隙內(nèi)還沒(méi)有被轉(zhuǎn)碼的視頻。在效用函數(shù)中,這個(gè)隊(duì)列長(zhǎng)度被定義為懲罰項(xiàng)以避免嚴(yán)重的時(shí)間延遲。本文采用一種基于actor-critic加強(qiáng)學(xué)習(xí)的資源分配算法來(lái)解決此優(yōu)化問(wèn)題。仿真結(jié)果表明,本文提及的算法能獲取最佳策略使被轉(zhuǎn)碼視頻的數(shù)量最大化,并能降低時(shí)延。2)針對(duì)直播視頻... 

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 5G網(wǎng)絡(luò)資源分配研究現(xiàn)狀
        1.2.2 無(wú)線網(wǎng)絡(luò)視頻傳輸研究現(xiàn)狀
        1.2.3 視頻轉(zhuǎn)碼研究現(xiàn)狀
        1.2.4 強(qiáng)化學(xué)習(xí)的研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容和主要貢獻(xiàn)
        1.3.1 本文的研究?jī)?nèi)容
        1.3.2 本文的主要貢獻(xiàn)
第二章 強(qiáng)化學(xué)習(xí)與5G資源
    2.1 5G資源
        2.1.1 異構(gòu)網(wǎng)絡(luò)
        2.1.2 5G網(wǎng)絡(luò)資源
    2.2 機(jī)器學(xué)習(xí)
    2.3 強(qiáng)化學(xué)習(xí)
        2.3.1 強(qiáng)化學(xué)習(xí)的定義
        2.3.2 強(qiáng)化學(xué)習(xí)的模型
    2.4 本章小結(jié)
第三章 基于點(diǎn)播視頻轉(zhuǎn)碼業(yè)務(wù)的資源分配研究
    3.1 系統(tǒng)模型
        3.1.1 網(wǎng)絡(luò)模型
        3.1.2 計(jì)算任務(wù)隊(duì)列模型
        3.1.3 移動(dòng)邊緣計(jì)算模型
        3.1.4 優(yōu)化目標(biāo)
    3.2 問(wèn)題建模
    3.3 基于Actor Critic的資源分配
        3.3.1 Actor Critic框架
        3.3.2 Critic部分
        3.3.3 Actor部分
        3.3.4 Actor-Critic算法
        3.3.5 仿真結(jié)果分析
    3.4 本章小結(jié)
第四章 基于直播視頻轉(zhuǎn)碼業(yè)務(wù)的資源分配研究
    4.1 系統(tǒng)模型
        4.1.1 網(wǎng)絡(luò)模型
        4.1.2 視頻直播模型
        4.1.3 移動(dòng)邊緣計(jì)算模型
        4.1.4 下行鏈路通信模型
        4.1.5 QoE模型
        4.1.6 優(yōu)化目標(biāo)
    4.2 問(wèn)題建模
    4.3 基于Q-learning的資源分配
        4.3.1 Q-Learning算法
        4.3.2 算法仿真與數(shù)據(jù)分析
    4.4 基于策略的Policy Gradient算法
        4.4.1 Policy Gradient算法
        4.4.2 算法仿真與數(shù)據(jù)分析
    4.5 基于增強(qiáng)型Actor Critic的資源分配
        4.5.1 增強(qiáng)型Actor Critic算法
        4.5.2 算法仿真與數(shù)據(jù)分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果及參與的科研項(xiàng)目
致謝
個(gè)人簡(jiǎn)況及聯(lián)系方式


【參考文獻(xiàn)】：
期刊論文
[1]云計(jì)算關(guān)鍵技術(shù)及發(fā)展態(tài)勢(shì)[J]. 楊濱旭.  電子技術(shù)與軟件工程. 2018(19)

博士論文
[1]基于強(qiáng)化學(xué)習(xí)的衛(wèi)星規(guī)�；诰�調(diào)度方法研究[D]. 王海蛟.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院國(guó)家空間科學(xué)中心) 2018

碩士論文
[1]基于機(jī)器學(xué)習(xí)的多孔介質(zhì)滲透率預(yù)測(cè)研究[D]. 李佳.浙江大學(xué) 2019
[2]基于最大熵馬爾科夫模型的組件系統(tǒng)在線可靠性預(yù)測(cè)研究[D]. 費(fèi)歡歡.東南大學(xué) 2018
[3]基于強(qiáng)化學(xué)習(xí)的冰壺比賽策略生成方法研究[D]. 邵蔚.哈爾濱工業(yè)大學(xué) 2018
[4]移動(dòng)邊緣計(jì)算環(huán)境下的服務(wù)遷移策略設(shè)計(jì)與實(shí)現(xiàn)[D]. 陳建業(yè).北京郵電大學(xué) 2018



本文編號(hào)：3679145