隨著新型應(yīng)用不斷涌現(xiàn),如增強(qiáng)現(xiàn)實(shí)（AR）、手勢(shì)識(shí)別、實(shí)時(shí)游戲等,這些應(yīng)用計(jì)算量大,對(duì)時(shí)延敏感。同時(shí),由于用戶設(shè)備的尺寸有限,所以這些新型應(yīng)用在存儲(chǔ)和計(jì)算方面受到了限制。移動(dòng)邊緣計(jì)算（Mobile Edge Computing,MEC）被認(rèn)為是實(shí)現(xiàn)下一代互聯(lián)網(wǎng)的關(guān)鍵技術(shù)。與移動(dòng)云計(jì)算相比,MEC減少了因數(shù)據(jù)中心網(wǎng)絡(luò)阻塞而可能導(dǎo)致的延遲,通過(guò)將服務(wù)器部署到網(wǎng)絡(luò)邊緣（如接入點(diǎn)、小型基站等）使得云計(jì)算能力和IT服務(wù)接近用戶端,這一技術(shù)滿足了新型應(yīng)用的需求。邊緣服務(wù)器在網(wǎng)絡(luò)邊緣提供存儲(chǔ)和計(jì)算功能,邊緣設(shè)備可以有選擇的將任務(wù)卸載到邊緣服務(wù)器上執(zhí)行。由于邊緣服務(wù)器的位置在MEC系統(tǒng)中未有明確規(guī)定,且服務(wù)器自身資源有限,如何合理的部署邊緣服務(wù)器的位置、分配任務(wù)卸載這將是一個(gè)重要的問(wèn)題。同時(shí),在MEC系統(tǒng)中,用戶的位置是實(shí)時(shí)變化的,在實(shí)時(shí)變化的環(huán)境中求解任務(wù)卸載問(wèn)題也是對(duì)研究者的挑戰(zhàn)。本文的研究工作總結(jié)如下:1)建立多用戶多MEC服務(wù)器場(chǎng)景,提出一種聯(lián)合優(yōu)化方法。文中首先建立數(shù)學(xué)模型,以最小化所有任務(wù)的總能耗為目標(biāo)。其次,提出一種雙層優(yōu)化方案,考慮到實(shí)時(shí)變化的用戶環(huán)境,上層我們使用h–SOM網(wǎng)絡(luò)結(jié)合用戶... 

【文章來(lái)源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁(yè)數(shù)】：59 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 引言
    1.2 研究背景與現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 移動(dòng)邊緣計(jì)算與人工智能融合的相關(guān)技術(shù)
    2.1 移動(dòng)邊緣計(jì)算
        2.1.1 移動(dòng)邊緣計(jì)算的網(wǎng)絡(luò)框架
        2.1.2 移動(dòng)邊緣計(jì)算中的計(jì)算卸載
        2.1.3 移動(dòng)邊緣計(jì)算服務(wù)器的站點(diǎn)選擇
    2.2 邊緣計(jì)算與人工智能的融合
        2.2.1 人工智能技術(shù)
        2.2.2 邊緣計(jì)算中的人工智能算法
    2.3 本章小結(jié)
第三章 基于h-SOM網(wǎng)絡(luò)和IDE算法的無(wú)人機(jī)軌跡與任務(wù)卸載優(yōu)化
    3.1 引言
    3.2 系統(tǒng)模型
        3.2.1 基于無(wú)人機(jī)的移動(dòng)邊緣計(jì)算系統(tǒng)
        3.2.2 通信模型
        3.2.3 計(jì)算模型
    3.3 問(wèn)題擬定與分析
        3.3.1 問(wèn)題擬定
        3.3.2 問(wèn)題分析
    3.4 自組織特征映射網(wǎng)絡(luò)和差分進(jìn)化算法
        3.4.1 算法流程
        3.4.2 自組織特征映射網(wǎng)絡(luò)
        3.4.3 改進(jìn)的自組織特征映射網(wǎng)絡(luò)
        3.4.4 差分進(jìn)化算法
        3.4.5 改進(jìn)的差分進(jìn)化算法
        3.4.6 算法的特點(diǎn)與優(yōu)勢(shì)
    3.5 仿真實(shí)驗(yàn)及分析
        3.5.1 模型設(shè)置
        3.5.2 結(jié)果分析
        3.5.3 復(fù)雜度分析
    3.6 本章小結(jié)
第四章 基于神經(jīng)網(wǎng)絡(luò)的任務(wù)卸載研究
    4.1 引言
    4.2 系統(tǒng)模型
        4.2.1 網(wǎng)絡(luò)模型
        4.2.2 通信模型
        4.2.3 計(jì)算模型
    4.3 問(wèn)題擬定與分析
        4.3.1 問(wèn)題擬定
        4.3.2 問(wèn)題分析
    4.4 基于神經(jīng)網(wǎng)絡(luò)的在線卸載
        4.4.1 算法概述
        4.4.2 基于自適應(yīng)差分進(jìn)化算法的計(jì)算卸載、功率分配與資源分配
        4.4.3 深度神經(jīng)網(wǎng)絡(luò)
        4.4.4 網(wǎng)絡(luò)離線訓(xùn)練與在線求解
    4.5 實(shí)驗(yàn)結(jié)果及其分析
        4.5.1 參數(shù)設(shè)置
        4.5.2 結(jié)果分析
    4.6 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]移動(dòng)邊緣計(jì)算中的計(jì)算卸載策略研究綜述[J]. 董思岐,李海龍,屈毓錛,張釗,胡磊.  計(jì)算機(jī)科學(xué). 2019(11)
[2]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)
[3]SOM神經(jīng)網(wǎng)絡(luò)算法的研究與進(jìn)展[J]. 楊占華,楊燕.  計(jì)算機(jī)工程. 2006(16)

博士論文
[1]移動(dòng)通信網(wǎng)中的用戶聚類與KQI分析[D]. 孫偉健.中國(guó)科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]基于雜交水稻優(yōu)化算法集成極限學(xué)習(xí)機(jī)研究[D]. 侯玉倩.湖北工業(yè)大學(xué) 2018



本文編號(hào)：3159537