隨著移動設備的快速發(fā)展,相關智能應用極大地改變了人們的生活方式。但由于移動設備的計算和存儲資源有限,同時傳統(tǒng)云計算中任務卸載方式存在高延遲、網絡擁塞、傳輸距離遠等問題,已經不能滿足計算密集型和時延敏感型任務的計算要求。而移動邊緣計算（Mobile Edge Computing,MEC）技術將云端的計算與存儲能力下沉到用戶近端的網絡節(jié)點上,并且能夠在滿足低延遲的要求下提供計算服務。因此,將任務卸載到MEC服務器上計算,能夠提高任務計算效率、降低任務時延、降低移動設備能耗和任務卸載成本。MEC中任務卸載受到能耗、時延以及卸載成本等多種因素影響,如何高效地進行任務卸載是亟需解決的問題。當前,眾多學者研究了MEC中任務卸載的最小化卸載成本,最小化能耗和時延等問題,但存在一些不足:（1）基于最小化卸載成本的研究中,未考慮對MEC中任務卸載成本（信道傳輸成本和任務計算成本）的優(yōu)化,以及其它空閑移動設備能夠提供計算服務的可能;（2）基于最小化能耗和時延的研究中,未考慮在保證隊列穩(wěn)定的情況下同時降低任務時延和移動設備能耗,并且現(xiàn)有研究在降低移動設備能耗和任務時延方面,采用的方法依賴系統(tǒng)參數(shù)的過去狀態(tài),... 

【文章來源】：江西師范大學江西省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

云計算架構圖

碩士學位論文4務器具有較強的計算能力，每一個MEC服務器包含特定的應用程序和計算服務，它的作用相當于一個靠近用戶端的小型云中心[14]。移動設備通過無線網絡連接到MEC服務器，而MEC服務器通過高速鏈路連接到云中心。將來會有數(shù)以億計的MEC服務器部署在移動設備近端，其系統(tǒng)架構如圖1-3所示。圖1-3MEC系統(tǒng)架構圖隨著技術的發(fā)展，移動設備的功能將更加完善和豐富，但是移動設備的處理能力仍然不能滿足計算密集型任務的計算需求。在云計算模式中，云服務器與移動設備的距離較遠，不利于任務高效卸載的實現(xiàn)[7,13]，而MEC服務器有充足的能力處理計算密集型和時延敏感型任務[15]。因此，將計算密集型和時延敏感任務卸載到MEC服務器上處理是任務卸載的一種重要方式，對于移動設備任務的高效處理具有積極作用。目前，來自學術界和工業(yè)界的研究人員一直在積極推動MEC技術的發(fā)展。MEC是云計算向邊緣的延伸，兩者既有相似之處，也存在很多不同，它們的具體細節(jié)如表1–1所示。表1–1移動邊緣計算和云計算對比表類目移動邊緣計算(MEC)云計算計算模型相對分布集中服務硬件小型數(shù)據中心大型數(shù)據中心與用戶距離較近遠連接方式無線連接專線連接隱私保護高低時延較低高核心思想邊緣化集中化計算資源相對較多豐富存儲容量相對較大豐富應用方面對時延較高的應用：自動駕駛、AR、實時系統(tǒng)對計算量要求大的任務：在線商業(yè)、電商平臺數(shù)據支撐、航天數(shù)據分析從表1–1可以看出，云計算和MEC在很多方面都有不同，將任務卸載到

基于李雅普諾夫優(yōu)化的移動邊緣計算任務卸載策略研究21基于李雅普諾夫優(yōu)化的流程分析主要步驟如圖3-3所示。圖3-3基于李雅普諾夫優(yōu)化的流程分析圖關于以前MEC中任務卸載的論文中，學者采用了各種數(shù)學法，比如凸優(yōu)化、貪心策略、隨機梯度算法[52,53]，但是這些方法都不能根據當前時間片的狀態(tài)實時進行判定。李雅普諾夫優(yōu)化算法的能夠在每個時間片的系統(tǒng)變化中自動適應網絡狀態(tài)，不需要人為的去改變里面的一些控制量，具有自動學習的能力。它不需要像大部分算法一樣需要很多先驗性的參數(shù)輸入，對于動態(tài)變化的系統(tǒng)的實時控制具有很好的適應性，也同時保證了相對較低的算法復雜性。在算法計算過程中，該算法不是直接計算最優(yōu)值，而是通過計算證明函數(shù)具有最優(yōu)上界而保證系統(tǒng)穩(wěn)定和最優(yōu)解的存在，比其他算法的直接求解更加簡單[49]�？紤]一個具有M個隊列的動態(tài)系統(tǒng)，12()((),(),...,())MQtQtQtQt代表隊列向量。假設Q(t)在每個時間片變化。對于向量Q(t)，定義二次的李雅普諾夫函數(shù)：211(t)()2MiiiLQtQ(3-8)其中0{}Mii是整數(shù)權值，一般情況下所有權值=1i。L(Q(t))總是非負的，當且僅當Q(t)中所有的隊列為0時L(Q(t))為零。定義李雅普諾夫漂移函數(shù)[50,54]：

【參考文獻】：
碩士論文
[1]基于移動邊緣計算的任務卸載策略研究[D]. 劉國強.哈爾濱工業(yè)大學 2018
[2]基于邊緣計算的無線自適應視頻流傳輸技術研究[D]. 彭艷蓉.華中科技大學 2018



本文編號：3337443