多用户环境下移动边缘计算任务卸载技术研究

作     者：魏明亮 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：耿绥燕

授予年度：2022年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

主      题：移动边缘计算 任务卸载 资源分配 超密集组网技术 自适应粒子群 

摘      要：5G移动网络的迅速发展在诸多领域带来了颠覆性的创新,也为移动互联网带来了更深层次的变革,作为“万物互联的支持技术,移动边缘计算(Mobile Edge Computing,MEC)正逐渐演变成5G网络的核心基础架构,任务卸载是移动边缘计算的重要环节。优秀的计算卸载策略可以减少系统计算成本,提高用户服务体验,近年来受到越来越多学者专家的重视。本文的主要工作有:第一,介绍了移动边缘计算技术的理论知识,阐述了几种典型应用场景,引入两种对传统粒子群算法的改善方法,分别采用自适应离散化和结合凸函数的优化,使其更好的应用于任务卸载场景。第二,针对多用户环境下MEC系统的通信场景,为最小化系统任务成本,引入自适应和离散化改进粒子群算法,提出一种(adaptive discrete particle swarm optimization,ADPSO)算法寻找最优任务卸载策略。第三,考虑5G超密集网络中多用户MEC通信场景下资源分配和任务卸载问题,提出一种结合凸函数和自适应粒子群的(Convex Function Adaptive Particle Swarm Optimization,CF-APSO)算法得到最优资源分配决策和任务卸载策略。仿真结果表明,本文提出ADPSO算法和CF-APSO算法能够有效减少任务时延,节约能耗,大幅降低系统任务计算成本,更好的满足了不同通信场景下的业务需求。本文针对移动边缘计算多用户环境下任务卸载和超密集网络中资源分配联合优化问题,建立兼顾时延和能耗的系统计算成本模型,提出ADPSO算法和CF-APSO算法,得到最佳的任务卸载策略和资源分配决策,最小化任务计算成本的同时保证了服务质量,为5G超密集组网下的多用户MEC系统设计开拓了新思路,具有良好的参考价值。