移动边缘计算中任务卸载与资源分配的联合优化策略研究

发布时间：2023-11-10 17:36

　　随着移动设备(Mobile Device,MD)的普及和5G网络新应用的快速发展,对大规模设备连接与计算需求的要求随之增加。电子医疗、人脸识别、增强现实和虚拟现实等新型移动应用不仅为计算密集型,而且对时延提出了更高的要求。移动设备的发展存在诸如电池寿命、处理能力、存储容量等局限性,无法满足上述应用的需求,移动边缘计算(Mobile-Edge Computing,MEC)为此提供了解决方案。移动边缘计算通过将计算和存储资源下沉到移动网络的边缘,移动设备可以将计算密集型或时延敏感型任务卸载到MEC服务器进行计算,从而降低时延和能耗,延长电池的使用寿命。尽管如此,卸载会带来额外的开销,并且与移动云计算(Mobile Cloud Computing,MCC)系统相比,MEC仍存在计算资源受限的问题。因此,对任务卸载策略和资源分配的研究是非常有必要的。首先,本文对移动边缘计算理论进行概述,针对无人机(Unmanned Aerial Vehicle,UAV)辅助边缘计算的场景及优势进行了分析。分别探究了MEC系统中的任务卸载及资源分配的技术理论,介绍了二者联合优化策略的发展现状。其次,根据Kang...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
专用术语注释表
第一章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 论文结构安排
第二章 移动边缘计算理论与技术概述
    2.1 移动边缘计算理论概述
        2.1.1 移动边缘计算的概念
        2.1.2 移动边缘计算的关键技术
        2.1.3 移动边缘计算的典型应用
        2.1.4 无人机辅助边缘计算
    2.2 任务卸载策略概述
    2.3 资源分配策略概述
    2.4 本章小结
第三章 面向能效的多接入边缘计算系统中卸载策略及资源分配的联合优化
    3.1 系统模型
        3.1.1 模型综述
        3.1.2 MD本地计算模型
        3.1.3 任务上传模型
        3.1.4 MEC远端计算模型
        3.1.5 时延和能耗模型
    3.2 问题建模及转化
        3.2.1 联合任务卸载与资源分配问题
        3.2.2 问题转化
    3.3 解决方案
        3.3.1 边界改善的BnB算法
        3.3.2 次优启发式算法
        3.3.3 任务卸载与资源分配的联合优化组合算法
    3.4 仿真结果及分析
    3.5 本章小结
第四章 UAV辅助边缘计算中卸载决策、资源分配与飞行轨迹的联合优化
    4.1 系统模型及问题形成
        4.1.1 模型综述
        4.1.2 MD本地计算模型
        4.1.3 UAV辅助边缘计算模型
        4.1.4 最小化能耗问题
    4.2 解决方案
        4.2.1 卸载决策的优化
        4.2.2 比特分配的优化
        4.2.3 LAP-UAV飞行轨迹的优化
        4.2.4 任务卸载、资源分配与飞行轨迹的联合优化迭代算法
    4.3 仿真结果及分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢



本文编号：3862011