检索结果-内蒙古大学图书馆

南京信息工程大学学报 2024年第4期16卷 520-527页

作者：沈正林吴涛周启钊陈曦成都信息工程大学计算机学院成都610225 西南民族大学计算机科学与技术学院成都610225

计算卸载是移动边缘计算(Mobile Edge Computing,MEC)中的关键技术.针对多用户多MEC服务器场景中计算卸载策略的不足,本文提出一种混合人工蜂群算法(Artificial Reverse Sine-Cosine,ARSC).首先,使用反向学习策略初始化种群,优化种群的... 详细信息

计算卸载是移动边缘计算(Mobile Edge Computing,MEC)中的关键技术.针对多用户多MEC服务器场景中计算卸载策略的不足,本文提出一种混合人工蜂群算法(Artificial Reverse Sine-Cosine,ARSC).首先,使用反向学习策略初始化种群,优化种群的初始解;然后,在雇佣蜂阶段利用正余弦算法的全局最优引导信息,提升算法的局部搜索能力;最后,为了平衡算法的全局搜索能力和局部搜索能力,引入动态感知因子对算法的步长因子进行改进.仿真实验结果表明,相比基于粒子群算法的卸载策略、基于人工蜂群算法的卸载策略,ARSC策略在系统时延、系统能耗、收敛性等指标上均有所改善.

关键词：移动边缘计算计算卸载人工蜂群算法正余弦算法多用户多MEC

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中基于LSTM和高斯隐藏贝叶斯的主动QoS监控方法

引用

小型微型计算机系统 2023年第7期44卷 1550-1556页

作者：卫婷张鹏程金惠颖河海大学计算机与信息学院南京211100

在移动边缘环境中,QoS监控是确保应用程序在运行时产生预期或可接受的外部行为的关键技术.传统的监控方法没有考虑通过捕获用户的移动性来主动选择服务器,这可能导致交付的服务不令人满意.传统方法也忽略了QoS监控的时间和空间特性,不... 详细信息

在移动边缘环境中,QoS监控是确保应用程序在运行时产生预期或可接受的外部行为的关键技术.传统的监控方法没有考虑通过捕获用户的移动性来主动选择服务器,这可能导致交付的服务不令人满意.传统方法也忽略了QoS监控的时间和空间特性,不能根据用户的QoS需求,在服务出现异常前主动监控服务.本文介绍了一种新颖的QoS监控方法,称为LSTM-BSPM.在本文方法中,基于用户的路径数据构建了DouLSTM-Den模型来预测用户的运动轨迹,通过该模型可以提前获取用户的移动感知QoS,并为每个移动感知QoS属性构建时间和空间的上下文相关特征.在监控阶段,为每个属性值构造一个父属性,以减少属性值之间的依赖,并构造一个与边缘服务器对应的高斯隐藏贝叶斯分类器,提前主动监测用户的移动感知QoS数据.实验结果表明了所提出方法的可行性和有效性.

关键词：移动边缘计算 QoS 监控贝叶斯分类器 LSTM模型

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算网络中多维资源管理策略研究

移动边缘计算网络中多维资源管理策略研究

引用

作者：杜剑波西安电子科技大学

学位级别：博士

随着智能移动用户设备(User Equipment,UE)的快速普及以及物联网(Internet of Things,IoT)的快速发展,人们期望在UE上运行越来越多的计算密集型移动应用程序,如人脸识别、虚拟现实等。这些应用通常会消耗大量的能量,需要强大的计算能力... 详细信息

随着智能移动用户设备(User Equipment,UE)的快速普及以及物联网(Internet of Things,IoT)的快速发展,人们期望在UE上运行越来越多的计算密集型移动应用程序,如人脸识别、虚拟现实等。这些应用通常会消耗大量的能量,需要强大的计算能力,并且有严格的时延约束。然而,UE通常是资源受限的,具有有限的计算能力和电池续航能力,使之无法应对随之而来的处理能力或能源提供方面的挑战。同时,移动视频、在线社交媒体等使得移动网络中数据流量呈指数级增长,使得回程链路无法承受巨大的业务流量负担而成为新的瓶颈。通过任务卸载,移动云计算(Mobile Cloud Computing,MCC)成为解决用户终端限制的一种有效的方式。但是,将数据传输到远程云服务器所导致的时延对于一些对时延敏感的应用来说通常是不可接受的。通过在移动用户附近的无线接入网络(Radio Access Network,RAN)内提供IT和云计算能力,移动边缘计算(Mobile Edge Computing,MEC)或雾计算(fog computing)已被提议作为移动云计算的有效补充,为附近的用户终端提供计算、缓存和网络服务,从而不仅能进一步降低终端能耗和任务的处理时延,还能大大减轻回程链路的负担。然而目前大多数云雾混合提供计算卸载的文献只是提出了网络的架构,没有建模并求解去实现。另外,大多数文献没有将MEC中的计算卸载和内容缓存相结合起来以提供更加优质的服务。本文致力于解决移动边缘计算系统中的计算卸载、资源分配、内容缓存等关键技术问题。具体来说,本文的主要内容包括:(1)在一个包含一个云服务器、一个基于WiFi AP(Access Point)的MEC服务器的多用户系统中进行联合计算卸载、计算资源分配、无线带宽分配和发射功率分配的联合优化,以在满足用户最大容忍时延约束下,使能耗时延的加权开销最小化,并保证用户之间的min-max公平性。本文首先通过半正定松弛(Semi-Definite Relaxation,SDR)得到每个用户的0-1卸载决策,然后基于二分法得到MEC服务器的计算资源分配。由于联合发射功率和无线带宽分配是一个非光滑的非凸优化问题,本文采用分式规划去掉分式的限制,然后通过松弛使之光滑,从而将无线资源分配转化为一个凸优化问题。通过拉格朗日对偶分解、次梯度投影和一维搜索,可以得到发送功率控制和无线带宽分配。仿真结果验证了提出的迭代算法的收敛性,并展示了提出的算法在公平性、时延、能耗以及受益用户数(一个用户为受益用户是指,通过优化使得其开销比本地执行时有所减少)等方面都具有较好的性能。(2)在一个混合云服务器、LTE-A小蜂窝基站(Base Station,BS)型MEC服务器的多用户系统中进行包括计算卸载、计算资源分配、无线资源块(Resource Block,RB)分配和每个资源块上发射功率分配的联合优化,以使得UE能够运行有低时延要求的、计算密集型应用。本文首先提出二进制定值的烟花算法,基于它提出了一个迭代算法框架来解决所建模的问题。在该框架中,首先通过二进制定值的烟花算子得到用户的卸载决策,然后基于二分法得到计算资源分配。问题的难点在于LTE-A上行链路中的无线资源分配的限制,即一个RB只能分给一个UE,且一个UE分到的多个RB必须是相邻的。为了解决这个问题,本文称若干个相邻的RB为一个RB pattern,然后用可行的RB pattern分配代替RB分配。通过连续变量松弛和拉格朗日对偶分解完成将每个RB pattern分给其最佳UE,以及RB pattern上每个RB上的发送功率控制,然而每个UE可能被分配多个可行的RB pattern(简称为pattern),可能违反一个UE分到多个相邻RB的要求。因此本文提出了一个启发式算法以供每个UE从其可用的pattern中挑出最佳的pattern,并保证RB分配的独占性以及较高的RB利用率。仿真结果验证了提出的迭代算法的收敛性,以及随着各种参数的改变,所提出的联合优化算法均能获得较好的时延性能。(3)研究边缘网络中联合计算卸载和内容缓存的问题,并将该问题建模为一个随机优化问题,其在用户数据队列和缓存队列稳定的前提下,通过执行计算卸载决策、内容缓存决策,无线传输速率分配、计算资源分配以及缓存资源分配的联合优化,以使得运营商的长期平均经济收益最大化。基于李雅普诺夫(Lyapunov)优化理论,本文开发了一个联合计算卸载、资源分配和内容缓存优化的在线动态算法,将原问题重新构成每个时隙的优化问题,再解耦成两个独立的子问题并通过0-1整数规划和线性规划进行求解。通过仿真验证了随着系统参数以及运营商的定价策略的变化,所提出的算法都能取得较好的经济利润,还验证了控制参数V可以在运营商的经济利润和用户任

关键词：移动边缘计算移动云计算计算卸载内容缓存资源分配能耗时延公平性经济利润

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中物联网用户感知数据的安全传输方法研究

移动边缘计算中物联网用户感知数据的安全传输方法研究

引用

作者：陈露天津理工大学

学位级别：博士

面临移动群智感知(Mobile Crowd Sensing,MCS)中物联网(Intenet of Things,IoT)用户的隐私保护和激励IoT用户收集感知数据困难的问题,移动边缘计算(Mobile Edge Computing,MEC)中感知任务卸载的时延和能耗问题,以及区块链预言机中感知... 详细信息

面临移动群智感知(Mobile Crowd Sensing,MCS)中物联网(Intenet of Things,IoT)用户的隐私保护和激励IoT用户收集感知数据困难的问题,移动边缘计算(Mobile Edge Computing,MEC)中感知任务卸载的时延和能耗问题,以及区块链预言机中感知数据可信上链的问题。本文的主要工作为移动边缘计算中IoT用户感知数据的安全传输方法研究,分别在感知数据安全收集、感知数据高效卸载、感知数据可信上链方面的研究内容和创新点如下:1)为了解决MCS中基于隐私保护的IoT用户激励问题,提出了一种基于Q学习的IoT用户隐私保护的流量补偿激励方法。设计了一种基于马尔科夫链蒙特卡罗属性相关性的差异隐私保护策略,产生了属性相关性准确度更高的感知结果。通过私有化策略计算隐私预算分配,个性化地保护了IoT用户感知数据的隐私。设计了基于Q学习的IoT用户隐私保护的机会协作传输策略,增加了IoT用户参与感知任务的积极性。实验测试表明本文所提出的方法平均增加了感知结果的准确性27.06%,并且降低了流量补偿开销19.03%。2)面临移动IoT中感知任务卸载的时延和能耗高的挑战,面向多IoT用户智能设备多边缘中心的卸载场景,提出了一种基于量子粒子群优化的IoT用户感知任务卸载方法。在量子粒子群接近收敛时,使用混沌扰动能够提升算法逃出局部最优的性能。设计了基于拥挤系数的快速精英非支配排序遗传算法的交换和变异算子,增加了量子粒子群的多样性,减少了感知任务卸载的时延和能耗。实验测试表明本文所提出的方法分别平均提高了算法的收敛速度、时延和能耗为4.89%、4.08%和3.91%。3)为了解决区块链系统外部IoT数据源中感知数据可信上链的问题,提出了一种基于预言机的IoT用户感知数据可信上链的边缘计算密钥管理方法。设计了IoT用户智能设备和边缘中心的密钥优先级,提高了边缘中心网络的连通率和IoT用户智能设备抵御捕获的性能。计算移动边缘网络的树状结构无环图的最优划定,将边缘网络划定为若干子边缘网络,IoT用户智能设备可以迅速验证移入子边缘网络中的IoT用户智能设备,实现了抵御区块链网络中的双重消费攻击。实验测试表明本文所提出的方法减少了密钥管理方法中的计算成本、通讯成本和存储成本。

关键词：移动边缘计算隐私保护激励方法计算卸载预言机

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中任务卸载研究综述

引用

计算机科学 2022年第S02期49卷 807-813页

作者：高月红陈露北京邮电大学信息与通信工程学院北京100876

随着物联网的普及以及5G等无线通信技术的发展,各类新型业务层出不穷,移动数据流量也呈指数级的增长趋势。为了保证服务质量,移动计算模式从传统的云计算转变为了移动边缘计算(MEC),移动边缘计算的主要特点是将网络资源“下沉”到网络边... 详细信息

随着物联网的普及以及5G等无线通信技术的发展,各类新型业务层出不穷,移动数据流量也呈指数级的增长趋势。为了保证服务质量,移动计算模式从传统的云计算转变为了移动边缘计算(MEC),移动边缘计算的主要特点是将网络资源“下沉”到网络边缘,以满足时延敏感型和计算密集型业务的需求,从而给用户提供更好的服务。而任务卸载是移动边缘计算的主要研究问题之一,文中对近几年移动边缘计算中的任务卸载研究现状进行了归纳和总结,首先,对MEC的基本概念、架构以及典型应用场景进行了介绍,然后阐述了任务卸载问题,分别从最小化时延、最小化能耗以及最小化时延和能耗的加权和3个方面分析和总结了业内的研究现状,最后从数据依赖性、用户移动性、资源公平性和信息安全性4个方面对未来的研究方向进行了展望。

关键词：移动边缘计算边缘网络任务卸载任务延迟能量消耗

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中的资源分配与任务调度方法

引用

重庆理工大学学报（自然科学） 2020年第11期34卷 156-163页

作者：李津章雨鹏庞玲丁为然孙罡虞红芳信息系统安全技术重点实验室北京100101 电子科技大学信息与通信工程学院成都611731

针对现有的移动边缘计算架构存在着由于计算资源分散和单机性能资源有限导致的卸载时延过高、峰值承载能力较弱等问题,在前人研究的基础上,从“联合资源分配和任务调度”角度入手,提出解决方案。将边缘计算卸载的时延,通过排队论的方式... 详细信息

针对现有的移动边缘计算架构存在着由于计算资源分散和单机性能资源有限导致的卸载时延过高、峰值承载能力较弱等问题,在前人研究的基础上,从“联合资源分配和任务调度”角度入手,提出解决方案。将边缘计算卸载的时延,通过排队论的方式进行建模,求解该模型需要进行混合整数非线性规划。通过拆分子问题分别求解的方式,提出了联合资源分配和任务调度算法。仿真结果显示:相较于没有边缘服务器之间合作的模式,所提出算法能够提高边缘承载峰值负载的能力,减少用户时延,有效地整合利用边缘的资源。

关键词：移动边缘计算边缘合作计算卸载

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中分布式任务卸载和资源分配研究

移动边缘计算中分布式任务卸载和资源分配研究

引用

作者：夏士超重庆邮电大学

学位级别：博士

支持巨容量、大连接、高可靠、超低时延和绿色智能是新一代移动通信系统演进的方向。移动边缘计算将任务的存储和处理推向移动通信网络的边缘,实现更靠近终端的信息传输、存储和计算融合,极大增强了移动通信系统对计算密集型和时延敏感... 详细信息

支持巨容量、大连接、高可靠、超低时延和绿色智能是新一代移动通信系统演进的方向。移动边缘计算将任务的存储和处理推向移动通信网络的边缘,实现更靠近终端的信息传输、存储和计算融合,极大增强了移动通信系统对计算密集型和时延敏感型应用的支持,已成为目前移动通信领域的研究热点。移动边缘计算需要解决的一个核心问题是针对密集异构的移动边缘网络结构和用户需求的多样性,如何实现高效的任务卸载、资源分配和算网协同。针对上述问题,本文致力于采用分布式优化理论和方法,对密集异构边缘网络场景中任务卸载和多维度资源联合优化展开研究,提出异构边缘网络场景中能量收集使能的分布式计算卸载方法、边缘云智能协同方法以及不确定网络场景中的任务卸载和资源分配联合优化方法。本文具体研究内容包括:(1)研究异构边缘网络场景中能量收集使能的分布式任务卸载方法。在能量收集使能的异构边缘网络场景中,算力、存储、传输等资源的异构性,以及任务到达、信道状态、能量收集等环境因素的随机时变性,使得针对多维资源的集中式整合和调度变得极具困难。与此同时,不同应用业务通常具有差异化的任务特征和计算需求,传统的粗犷式计算卸载方法不仅降低了边缘稀缺资源使用效率,也使得边缘应用业务需求无法得到有效保障。针对该问题,研究了异构边缘网络场景中能量收集使能的分布式按需任务卸载方法。首先,针对不同边缘应用差异化任务特征和计算需求,提出了一种基于分布式博弈理论的边缘资源动态报价机制,以实现边缘资源的按需分配;其次,运用扰动李雅普诺夫优化理论对卸载的任务、能量、资源等多维时间耦合量进行解耦,以保证系统在长期演进中计算性能的稳定性;最后,基于任务队列积压、能量收集水平、任务卸载成本等因素,设计了一种计算卸载预筛选规则,以快速地选择合适的边缘云服务器,减少通信信令开销,提高任务卸载效率,并进一步提出了异构边缘网络中能量收集使能的分布式计算卸载算法。理论分析和仿真结果表明所提出的方案能够在达到斯塔克尔伯格均衡的同时,有效提高网络能效并降低任务计算时延。(2)研究基于多智能体的边缘云服务器智能协同和任务卸载优化方法。用户的自主式、随机接入会导致边缘资源利用不充分、不均衡,进而影响资源的充分利用和用户服务体验。为此,研究了异构网络场景中边缘云智能协同和任务卸载优化方法。首先,异构边缘云和能量收集使能的移动设备被视为可独立决策的智能体单元,结合实际计算卸载场景,将边缘云资源分配和移动设备任务卸载问题抽象为一个典型分布式斯塔克尔伯格博弈模型,边缘云作为主方为移动设备分配计算和传输资源,移动设备作为从方进行任务卸载和本地能量管理;然后,考虑到随机时变的边缘环境和不完备的状态观测,将智能体决策问题建模为部分可观测马尔可夫决策过程,并建立基于斯塔克尔伯格动态博弈的多智能体深度确定性策略梯度模型,以学习最优的边缘云资源协同分配和任务卸载策略。最后,通过仿真验证了所提算法能够有效提高边缘云服务器的任务计算成功率,并降低移动设备的任务丢弃率。(3)研究不确定边缘网络场景中任务卸载和资源分配联合优化方法。在密集异构的无线边缘网络场景中,任务到达、无线信道状态、用户移动的随机性以及能量收集的时变性,导致不确定的边缘网络环境,这对设计高效的任务卸载和资源分配策略带来挑战。针对上述问题,设计了不确定异构边缘网络场景中分布式任务卸载和资源分配联合优化方法。首先,考虑到任务排队时延和用户移动性对计算卸载的影响,建立一种基于算网协同的动态任务卸载和边缘云资源自适应分配模型;其次,为减少时变网络环境中用户移动性、任务排队时延等多维不确定因素影响,提出基于分布式多阶段随机规划理论的任务卸载和资源分配联合优化方法,以进行后验资源分配来补偿不确定网络环境导致的预测不准确性。最后,通过仿真验证了所提方法能够减少任务卸载成本,提升计算卸载成功率。

关键词：移动边缘计算异构网络能量收集分布式任务卸载资源分配

来源：评论

学校读者我要写书评

暂无评论

区块链中基于数据压缩的移动边缘计算卸载策略

引用

北京邮电大学学报 2024年第5期47卷 44-50,106页

作者：韩冰尹沛桐叶迎晖卢光跃西安邮电大学陕西省信息通信网络及安全重点实验室西安710121 轨道交通工程信息化国家重点实验室(中铁一院) 西安710043

为了解决区块链系统吞吐量低下的问题,提出了一种基于数据压缩、支持移动边缘计算的区块链网络下的压缩卸载策略。在优化计算资源和不优化计算资源2种方案下,通过优化卸载率和压缩率,使系统计算时延最小化。针对该非凸问题,利用辅助变... 详细信息

为了解决区块链系统吞吐量低下的问题,提出了一种基于数据压缩、支持移动边缘计算的区块链网络下的压缩卸载策略。在优化计算资源和不优化计算资源2种方案下,通过优化卸载率和压缩率,使系统计算时延最小化。针对该非凸问题,利用辅助变量法和松弛变量进行转化。对于未优化计算资源的方案,直接使用现有工具求解;而针对优化计算资源的方案,提出了有效的迭代算法来求解转化后的问题。仿真实验结果表明,所提迭代算法具有较快的收敛速度和较高的准确性,且优化计算资源的性能优于未优化计算资源的性能。与其他策略相比,基于数据压缩的策略能够更有效地加快计算速度,解决区块链系统吞吐量低下的问题。

关键词：物联网移动边缘计算区块链资源分配计算卸载

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中基于Stackelberg模型的分布式定价与计算卸载

引用

计算机科学 2023年第7期50卷 278-285页

作者：陈序展林兵陈星福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108 福建师范大学物理与能源学院福州350117

移动边缘计算(Mobile Edge Computing, MEC)作为一种新颖的计算范式,通过将计算任务从移动设备卸载到物理上临近的网络边缘,为移动设备提供低延迟和灵活的计算与通信服务。然而,由于边缘服务器和移动设备通常属于不同的主体,它们之间的... 详细信息

移动边缘计算(Mobile Edge Computing, MEC)作为一种新颖的计算范式,通过将计算任务从移动设备卸载到物理上临近的网络边缘,为移动设备提供低延迟和灵活的计算与通信服务。然而,由于边缘服务器和移动设备通常属于不同的主体,它们之间的利益冲突给MEC系统带来了很大的挑战。因此,为多边缘服务器多移动设备的MEC系统设计一种定价和计算卸载方案,最大化边缘服务器的效用并优化移动设备的体验质量至关重要。考虑到多边缘服务器多移动设备之间复杂的相互作用,采用多领导者多追随者Stackelberg模型来分析它们之间的相互作用。其中,边缘服务器作为领导者为其计算资源设定价格,移动设备作为追随者根据边缘服务器的定价来调整卸载策略。在Stackelberg模型的基础上,提出了一种基于次梯度法的分布式迭代算法,该算法可以有效收敛到Stackelberg均衡。仿真实验结果表明,所提方案能够在提高边缘服务器效用的同时保证移动设备的体验质量。

关键词：移动边缘计算 Stackelberg模型多领导者多追随者定价计算卸载

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算环境中的计算卸载技术研究综述

引用

计算机工程与应用 2021年第14期57卷 60-74页

作者：胡恒金凤林郎思琪陆军工程大学指挥控制工程学院南京210007

计算卸载技术作为移动边缘计算(MobileEdgeComputing,MEC)的关键技术,通过合理的卸载决策能有效解决终端设备计算能力弱、时延长和能耗高等问题。介绍了MEC的概念、参考架构、部署方案和典型应用场景;分别从卸载决策的目标、粗粒度、细... 详细信息

计算卸载技术作为移动边缘计算(MobileEdgeComputing,MEC)的关键技术,通过合理的卸载决策能有效解决终端设备计算能力弱、时延长和能耗高等问题。介绍了MEC的概念、参考架构、部署方案和典型应用场景;分别从卸载决策的目标、粗粒度、细粒度的卸载方式及MEC与端对端(Device-to-Device,D2D)技术协作下的卸载方式详细阐述了计算卸载技术研究现状,分析和总结了该领域已有研究成果;对该领域的未来研究方向进行了思考,并给出了该领域面临的一些问题和挑战。

关键词：移动边缘计算移动云计算计算卸载技术卸载决策 D2D技术

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：