检索结果-内蒙古大学图书馆

电子与信息学报 2021年第12期43卷 3621-3628页

作者：徐勇军谷博文谢豪陈前斌重庆邮电大学通信与信息工程学院重庆400065

为缓解终端设备处理大数据量、低时延业务的压力,该文提出一种基于全双工中继的移动边缘计算网络资源分配算法。首先,在满足计算任务时延约束、用户最大计算能力、用户和中继的最大发射功率约束条件下,考虑中继选择与子载波分配因子、... 详细信息

为缓解终端设备处理大数据量、低时延业务的压力,该文提出一种基于全双工中继的移动边缘计算网络资源分配算法。首先,在满足计算任务时延约束、用户最大计算能力、用户和中继的最大发射功率约束条件下,考虑中继选择与子载波分配因子、用户任务卸载系数、用户与中继的传输功率的联合优化,建立了系统总能耗最小化问题。其次,利用交替迭代和变量代换的方法,将原非凸问题分解为两个凸优化子问题,并利用内点法和拉格朗日对偶原理分别进行求解。仿真结果表明,所提算法具有较低的能量消耗。

关键词：全双工中继移动边缘计算资源分配

来源：评论

学校读者我要写书评

暂无评论

车联网中移动边缘计算的安全高效节能卸载策略

引用

清华大学学报（自然科学版） 2021年第11期61卷 1246-1253页

作者：宋宇波金星妤燕锋胡爱群东南大学网络空间安全学院江苏省计算机网络技术重点实验室南京211189 网络通信与安全紫金山实验室南京211189 东南大学信息科学与工程学院移动通信国家重点实验室南京211189

该文针对车联网移动边缘计算环境下,车辆在快速移动和切换时与多个边缘服务器间的任务卸载协商所面临的安全性能和系统能耗问题,提出了一个基于边缘服务器和车载服务器协同工作的任务卸载策略安全协商机制,描述了车辆移动时的安全切换... 详细信息

该文针对车联网移动边缘计算环境下,车辆在快速移动和切换时与多个边缘服务器间的任务卸载协商所面临的安全性能和系统能耗问题,提出了一个基于边缘服务器和车载服务器协同工作的任务卸载策略安全协商机制,描述了车辆移动时的安全切换交互协议,讨论了其基于边缘服务器覆盖范围的任务分配协商算法及其约束条件。仿真结果表明:该方案可以有效保证通信时的安全性能,同时其卸载能耗及卸载时间与现有方案相比分别减少了58%和17%。

关键词：车联网移动边缘计算身份验证机制卸载策略任务分块

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中面向多元化用户需求的任务卸载策略研究

移动边缘计算中面向多元化用户需求的任务卸载策略研究

引用

作者：刘树美东北大学

学位级别：博士

随着移动通信技术的不断演进与物联网规模的逐步扩大，网络中接入的用户数量和业务数据量迅猛增长，并且催生了一系列诸如人脸识别、自动驾驶、实时图像处理、增强现实(Augmented Reality,AR)以及虚拟现实(Virtual Reality,VR)等计算密... 详细信息

随着移动通信技术的不断演进与物联网规模的逐步扩大，网络中接入的用户数量和业务数据量迅猛增长，并且催生了一系列诸如人脸识别、自动驾驶、实时图像处理、增强现实(Augmented Reality,AR)以及虚拟现实(Virtual Reality,VR)等计算密集型应用，这些应用程序的服务过程对带宽和服务响应等网络性能提出了更高的要求。而与之矛盾的是用户设备的计算、存储以及电量等资源往往不够充足，难以独立实现计算密集型应用的高性能需求。基于此，计算卸载作为一种有效的解决方案应运而生，该技术将任务卸载到云数据中心或边缘服务器，利用强大的计算能力来弥补本地设备资源有限的问题。其中，移动边缘计算(Mobile Edge Computing,MEC)作为移动云计算(Mobile Cloud Computing,MCC)的改进技术，将计算、存储等功能从集中式云平台下沉至无线网络边缘，通过大幅缩短通信距离克服了云平台传输时延高、计算压力大以及安全能力弱等问题，受到了学术界与工业界的广泛关注。因此，基于移动边缘计算的计算卸载被认为是解决计算密集型应用急剧增长与用户设备资源有限矛盾的革新技术。　　为满足用户在时延和能耗等方面的高性能需求，目前已经有很多针对基于移动边缘计算的计算卸载方面的研究工作，且已证明其技术成果可大幅缩短任务的处理时延、提升设备的能量效率。物理层安全技术的使用也可保证无线卸载过程的安全性。然而随着万物互联的实际部署，当前移动通信网络正向以服务多样化为目标的第六代移动通信系统发展。在此目标的驱动下，一些新兴物联网应用的计算过程越发复杂，且用户并非只关注简单任务场景下固定的时延最小化或能耗最小化服务。海量用户的服务过程将趋向个性化与多元化，并迫切转化为“因人而异、因地制宜”的需求理念。鉴于此，纵观基于移动边缘计算的任务计算卸载研究现状，主要存在以下问题:针对任务依赖型应用的在线服务模式研究尚存空白，且对于多应用场景的研究有待进一步探索;未深入挖掘任务依赖型应用的特点，相关研究仍然停留在传统的个人服务需求上，导致整个系统的服务可靠性差，实际部署难度高;对用户时延与能耗的折中服务模式较为固定，缺乏用户需求自定义与卸载策略自适配方法，对于不同服务需求的普适性差;当前考虑的窃听者场景较为理想，且联合考虑卸载安全性与服务多样性的计算卸载研究存在空白。综上分析，为了保证技术普适性并顺应前沿发展特点，本文关注任务类型、环境特点以及用户多元化需求三个方面，并重点设计不同场景下对应适配的计算卸载策略，进而提升用户体验质量。本文的主要研究内容如下:　　(1)考虑用户时延需求并降低依赖型应用时延违背率的研究。　　针对现有关于依赖型应用的研究仅关注理想的离线场景且忽视多应用系统中执行成功率的问题，本文聚焦于依赖型应用的多样时延约束特点与现实中“完成至上”的广泛需求，提出一种面向时延违背率最小化的依赖任务计算卸载策略。首先，考虑到应用的在线随机到达特点与部分卸载模型的灵活性优势，设计了基于移动边缘计算的在线多时隙调度与部分卸载系统。其次，针对每个应用中多个任务的依赖特性与不可分割特点，设计了任务跨时隙迁移功能。具体来说，在时隙结束时，将当前未完成且时延约束未到的任务进行有效迁移，并在下一时隙中继续执行。该任务迁移功能坚持不丢弃的原则，以尽可能完成更多的应用。再次，由于同时隙到达的同类型应用可能具有相似特性，设计了任务去重与合并功能。该功能坚持不重复计算的原则，对同时隙同类型应用进行冗余任务删除，以尽可能在同样时间限制内完成更多的任务。然后，为了获得一个充分利用系统计算资源，并能够最大化应用完成数的任务执行顺序，提出了一种联合多优先级指标的任务在线调度算法。通过提出五个优先级定理，证明了各个指标对降低系统时延违背率的正向作用与多个指标的综合优势。最后，设计了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的任务卸载算法，获得了问题的近似最优解。仿真结果表明，在不同的网络场景设置下，与现有文献[35]中的计算卸载方案相比，所提方案在系统时延违背率方面具有显著的性能优势。　　(2)考虑用户时延与能耗需求并提供按需服务策略的研究。　　在时延需求的基础上进一步考虑用户在能耗方面的服务需求。针对现有关于时延-能耗折中的研究中无法赋予用户需求自适配的问题，本方案聚焦于现实中多样的偏好程度和灵活的部分卸载模式，提出一种考虑时延与能耗联合优化的按需计算卸载策略。首先，为了最大限度地满足用户的多样性需求，使用可随意对任务计算工作量进行拆分且并行计算的部分卸载模式。其次，为了解决时间与能量的维度差异性问题，并为用户提供一种针对时延与能耗的需求程度衡量机制，本方案结合部分卸载模式创新性地设计了两个归一化指标。这两个指标分

关键词：移动边缘计算任务卸载时延控制能耗控制用户满意度

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

移动边缘计算中基于视频内容协作分发的联合激励机制

引用

计算机应用研究 2021年第9期38卷 2803-2810页

作者：刘伟张涛武汉理工大学计算机科学与技术学院武汉430070 交通物联网技术湖北重点实验室武汉430070 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

随着智能设备存储和传输能力的提升,用户可通过设备—设备连接共享视频服务,在移动边缘网络中实现视频内容协作分发。然而,现有架构缺少合适的激励机制解决中继传输节点经济收益受损和本地数据泄露问题。针对视频内容边缘协作分发系统... 详细信息

随着智能设备存储和传输能力的提升,用户可通过设备—设备连接共享视频服务,在移动边缘网络中实现视频内容协作分发。然而,现有架构缺少合适的激励机制解决中继传输节点经济收益受损和本地数据泄露问题。针对视频内容边缘协作分发系统存在的问题,提出适用于多码率编码视频的联合安全和经济激励机制,并对该机制的差分隐私性、近似诚实性和个体理性进行了理论上的证明。最后由实验数据表明,该机制能有效保护参与用户的个体利益,提高视频服务总体效益。

关键词：移动边缘计算视频内容协作分发激励机制差分隐私反向拍卖

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中的服务快速迁移与I/O调度优化研究

移动边缘计算中的服务快速迁移与I/O调度优化研究

引用

作者：孟宪宇北京交通大学

学位级别：博士

近年来,5G和物联网(Internet of Things,IoT)的出现极大地促进了各种轻量级移动终端(例如智能手机、车载设备、虚拟/增强现实设备等)的快速发展。虽然移动终端的计算能力不断提升,但随着新型实时应用(例如自动驾驶、人脸/语音识别、虚拟... 详细信息

近年来,5G和物联网(Internet of Things,IoT)的出现极大地促进了各种轻量级移动终端(例如智能手机、车载设备、虚拟/增强现实设备等)的快速发展。虽然移动终端的计算能力不断提升,但随着新型实时应用(例如自动驾驶、人脸/语音识别、虚拟/增强现实、实时分析以及在线游戏等)的蓬勃发展,在计算能力有限的移动终端上运行上述计算密集或延时敏感的实时应用正面临巨大的挑战。传统解决方案是将数据和控制逻辑从移动终端卸载到功能强大的云计算中心进行处理;但是,移动终端到云端过长的广域网数据传输链路会造成网络延时增高,导致云端服务难以满足延时敏感型应用(如自动驾驶、在线游戏等)的需求。移动边缘计算(Mobile Edge Computing,MEC)将云计算中心的计算能力下沉到网络边缘为用户提供低延时、高带宽以及高可靠性的服务,成为上述问题的有效解决方案。当前,在承载海量移动终端计算卸载任务的同时,MEC还面临着边缘节点资源受限、任务请求复杂度高以及终端随时移动等各种因素的挑战。其中,计算卸载和服务迁移是影响服务可靠性、任务处理能力和服务延时的关键因素,在MEC的研究中具有重要意义。本文结合当前MEC的最新研究成果,以减少服务迁移过程中终端的延时等待时间为主要目标,分别从基于虚拟机(Virtual Machine,VM)的服务快速迁移、基于容器的服务快速迁移和服务迁移过程中的I/O调度优化三个方面展开研究。本文的主要工作和创新点如下:(1)提出了一种基于VM和远程动态加载策略的服务快速迁移方法,解决了服务迁移时传输全部程序代码数据导致的大量带宽占用和耗时过长问题。针对无状态服务的启动,设计了远程动态加载程序代码的策略避免全量数据下载,并在不影响服务运行的情况下异步下载剩余数据,以提高边缘服务的响应速度;针对有状态服务的实时迁移,设计了将本地程序运行时对数据的I/O请求重定向到远端源节点的策略实现状态数据的实时访问,以缩短迁移过程中的服务质量下降和服务中断时间。实验表明,所提方法能够显著减少迁移过程中移动终端的延时等待时间。(2)提出并设计了一种基于差分硬盘和动态加载策略的容器联合文件系统,解决了服务迁移时捆绑传输运行时文件系统和容器镜像导致的迁移时间过长问题。首先,设计了基于差分硬盘承载分层存储结构的联合文件系统,并实现了容器对文件系统数据的远程动态访问。随后,设计了基于差分硬盘索引表优化的远程加载机制避免下载全部容器镜像数据,以缩短服务启动前的准备时间。最后,设计了基于联合文件系统远程实时加载容器运行时文件系统数据的迭代迁移策略对有状态迁移的执行延迟进行优化。实验表明,所提联合文件系统及优化策略能够有效减少服务的迁移时间。(3)提出了一种跟踪访问驱动的数据预取和缓存方法(Integrated Trace-driven Predictive Approach,ITPA),解决了无状态迁移时的高频硬盘I/O请求和边缘节点负载过高导致的远程加载I/O调度效率下降问题。首先,基于服务启动时对代码数据访问整体有序的特点,跟踪启动过程中对数据块的访问并构建应用程序访问序列。其次,设计了远程加载请求匹配算法预取访问序列中的关键I/O数据对远程加载I/O调度效率进行提升。最后,设计并实现客户端预取和服务端三级缓存策略以降低服务端节点工作负载。实验表明,ITPA能够有效提升服务启动时的数据获取效率并缩短服务的启动时间。

关键词：移动边缘计算计算卸载服务迁移虚拟机容器 I/O调度

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信誉值的智能计算卸载模型研究

引用

通信学报 2020年第7期41卷 141-151页

作者：亓晋孙海蓉巩锟许斌张顺颐孙雁飞南京邮电大学物联网学院江苏南京210003 南京邮电大学自动化学院、人工智能学院江苏南京210003 南京邮电大学计算机学院江苏南京210003

针对移动边缘计算环境下,爆炸式增长的物联网智能移动终端处理计算密集型和时延敏感型新兴移动应用时,面临的高时延、高能耗和低可靠性等问题,提出综合考虑时延和能耗的卸载决策模型和基于信誉值的计算资源博弈分配模型,并分别利用改进... 详细信息

针对移动边缘计算环境下,爆炸式增长的物联网智能移动终端处理计算密集型和时延敏感型新兴移动应用时,面临的高时延、高能耗和低可靠性等问题,提出综合考虑时延和能耗的卸载决策模型和基于信誉值的计算资源博弈分配模型,并分别利用改进粒子群算法和拉格朗日乘数法求解。仿真结果表明,所提方法可满足新兴智能应用对于低时延、低能耗和高可靠性的服务需求,可有效实现计算卸载资源的整体优化配置。

关键词：移动边缘计算信誉值博弈分配卸载决策资源配置

来源：评论

学校读者我要写书评

暂无评论

面向无人机的移动边缘计算任务卸载和路径优化研究

面向无人机的移动边缘计算任务卸载和路径优化研究

引用

作者：王森西安工业大学

学位级别：硕士

现有的战术侦察机器人利用云计算技术在战场中通信,但云计算中心通常离作战前线较远,通信链路较长,进而导致任务执行传输时延过长问题等。移动边缘计算技术(Mobile Edge Computing,MEC)提供了一种解决方式。MEC中边缘服务器可以为侦察... 详细信息

现有的战术侦察机器人利用云计算技术在战场中通信,但云计算中心通常离作战前线较远,通信链路较长,进而导致任务执行传输时延过长问题等。移动边缘计算技术(Mobile Edge Computing,MEC)提供了一种解决方式。MEC中边缘服务器可以为侦察机器人等提供计算卸载服务,以此降低了机器人的计算传输时延和机载能耗。此外,无人机(Unmanned Aerial Vehicle,UAV)具有机动性高与灵活性强等优点,所以本文利用无人机搭载边缘服务器的方式代替传统基站,为侦察机器人等用户提供计算服务。战场环境瞬息万变,当存在大量用户设备竞争有限资源时,需要设计合理的任务卸载和路径优化策略以提升MEC系统的性能。深度强化学习(Deep Reinforcement Learning,DRL)具有较强的环境决策能力及策略控制能力,所以采用DRL方法解决无人机辅助的移动边缘计算中任务卸载策略和路径优化问题。因此,本文主要工作如下: (1)单无人机对多终端用户场景下任务卸载和路径优化策略研究。本文考虑了终端用户的移动性且存在障碍物的场景,构建了单无人机辅助的移动边缘计算系统模型。为了使UAV达到最佳路径的同时最大化用户覆盖率,本文联合优化系统总能耗、系统总时延,以及无人机轨迹,将非凸目标优化问题构建为马尔可夫决策过程问题。同时为解决原始深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法随机取样的问题,提出了一种加入优先经验回放及二叉树存储经验结构的PER-DDPG的算法。仿真实验表明,本文所提方法与DDPG算法、Advantage Actor-Critic算法、Actor-Critic算法比较,算法收敛更快,在UAV避开障碍物的同时终端用户覆盖率分别提高了9%、16%和17%。 (2)多无人机对多终端用户场景下任务卸载和路径优化策略研究。本文引入多无人机模式以解决单无人机模式下计算存储有限、面对干扰或障碍可能导致决策失败的情景。为了解决多无人机边缘服务器之间负载均衡、任务执行的时延最小化以及最大化边缘服务器的利用率问题。本文以系统计算效能和无人机轨迹作为优化目标,构建了多无人机辅助的移动边缘计算系统模型,提出了基于K近邻分类算法的多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient,KNN-MADDPG)算法。其采用协同探索方法来提高每个用户的学习效率,以及采用K近邻分类算法对动作进行处理,提升算法的训练效率。仿真结果表明,本文提出的方法与Advantage Actor-Critic算法和MADDPG算法比较,在最大化系统计算效能的优化问题上,分别提高了5.3倍和3.1倍,可以有效利用本地端和MEC服务器端的算力,能合理规划任务决策和无人机轨迹,降低系统能耗。

关键词：无人机移动边缘计算任务卸载路径优化深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的移动边缘计算任务协同卸载策略研究

基于强化学习的移动边缘计算任务协同卸载策略研究

引用

作者：梁勇西南科技大学

学位级别：硕士

移动边缘计算(Mobile Edge Computing,MEC)作为当前互联网新兴的计算范式,部署于互联网边缘,能够更高效地为物联网移动设备(Io T Mobile Device,IMD)提供服务。IMD将本地的计算任务卸载至边缘服务器或云服务器上处理,缓解自身资源限制,... 详细信息

移动边缘计算(Mobile Edge Computing,MEC)作为当前互联网新兴的计算范式,部署于互联网边缘,能够更高效地为物联网移动设备(Io T Mobile Device,IMD)提供服务。IMD将本地的计算任务卸载至边缘服务器或云服务器上处理,缓解自身资源限制,以满足不同类型的计算任务需求。然而,随着边缘服务器资源的有限性,如何合理利用网络中的通信、计算和存储资源处理IMD产生的海量数据,满足用户不同的处理需求,成为当前网络发展的重大挑战。为应对这一挑战,通过研究移动边缘计算中的计算卸载、服务缓存和资源分配问题,基于深度强化学习提出新的解决方案,以提高移动设备的计算性能和能耗效率。主要内容如下: (1)提出一种基于设备到设备(Device-to-Device,D2D)辅助的任务协同卸载和资源分配策略。在移动边缘计算中,IMD超出通信范围或远离边缘服务器的限制阻碍了高可用性服务的提供。此外,将MEC与D2D通信集成,为有效利用MEC系统资源、探索有效的任务卸载和资源分配策略带来了巨大的发展前景。为了应对这些挑战,在多IMD、多边缘服务器的网络系统中,本文提出了一种D2D辅助任务协同卸载和资源分配策略。通过联合优化卸载决策和计算资源分配,使所有IMD的任务处理延迟和能耗的加权和开销最小化。提出了一种改进深度Q网络算法求解非凸问题,确定了目标IMD在协同卸载中资源分配方案、邻居IMD助手选择、边缘服务器的选择以及任务划分方案。仿真实验结果表明,与其他基线策略相比,所提出的卸载策略能有效地降低任务处理开销。 (2)提出一种服务缓存辅助的云边任务协同卸载和资源分配策略。在移动边缘计算中由于任务的异构性、不同用户需求差异性、边缘环境的时变性以及边缘服务器资源限制给任务卸载带来了巨大的挑战。面对这一挑战,本文提出了一种服务缓存辅助的云边任务协同卸载和资源分配策略,在具有云边缘协作的多IMD、多任务的三层网络系统中,通过联合优化服务缓存、计算资源分配以及任务卸载决策,以满足任务处理时延约束的前提下最小化IMD的长期能耗。然后,使用双延迟深度确定性策略梯度算法为每个时隙找到接近最优的边缘服务缓存策略、资源分配以及任务卸载方案。仿真实验结果表明,本文的策略优于其他基准策略,在满足时延约束条件下可以显著降低任务的处理能耗。

关键词：移动边缘计算深度强化学习资源分配任务协同卸载服务缓存

来源：评论

学校读者我要写书评

暂无评论

无人机辅助移动边缘计算网络能效最大化技术研究

无人机辅助移动边缘计算网络能效最大化技术研究

引用

作者：张浩然西安邮电大学

学位级别：硕士

随着超五代或第六代通信系统的蓬勃发展,物联网(Internet of Things,Io T)设备的规模正在迅速扩大。然而,由于Io T设备成本和尺寸的严格限制,有限的计算资源和能量资源成为制约Io T设备在处理复杂任务和提供高质量服务方面的主要瓶颈。... 详细信息

随着超五代或第六代通信系统的蓬勃发展,物联网(Internet of Things,Io T)设备的规模正在迅速扩大。然而,由于Io T设备成本和尺寸的严格限制,有限的计算资源和能量资源成为制约Io T设备在处理复杂任务和提供高质量服务方面的主要瓶颈。尽管反向散射和移动边缘计算(Mobile Edge Computing,MEC)技术能够降低Io T设备能耗并提供高性能计算服务,但受制于静态载波发射器和边缘服务器的部署,难以应对日益复杂的低功耗MEC场景。因此,针对Io T计算和能量资源受限以及传统基于反向散射MEC网络信道衰减严重和可拓展性受限等问题,利用无人机的高机动性和可重构智能表面(Reconfigurable Intelligent Surfaces,RIS)重构传播环境的能力,本文重点研究了基于反向散射无人机联合RIS辅助MEC网络能效最大化框架。具体研究内容如下: (1)将MEC、反向散射通信(Backscatter Communication,Back Com)、无人机和RIS技术相结合,提出了一种新颖的基于反向散射RIS辅助无人机使能的MEC网络。该网络考虑在满足任务约束、能量因果约束和轨迹约束的前提下,通过联合优化反射系数、计算资源、时间分配、RIS相移和无人机轨迹,实现系统能效最大化。由于原始优化问题非凸且难以求解,基于Dinkelbach算法开发了一个三阶段迭代优化算法将非凸优化问题解耦为三个子问题,即资源分配、RIS相移优化以及无人机轨迹设计。在此基础上,采用拉格朗日对偶方法、次梯度下降算法、半正定松弛和最大最小化算法以及连续凸逼近(Successive Convex Approximation,SCA)框架迭代求解解耦的三个子问题。仿真结果验证了所提方案的系统能效优于其它基准方案和简化方案,有效解决了Io T设备计算和能量资源受限以及传统的基于反向散射MEC网络信道衰减严重和可拓展性受限等问题。 (2)在基于反向散射MEC网络的基础上无人机携带RIS作为无源中继,建立基于反向散射无人机携带RIS辅助的MEC网络系统能效最大化问题框架,以提高RIS的机动性、进一步扩大通信网络的信号覆盖范围并延长网络续航时间。在满足任务约束、能量约束、相移约束和轨迹约束的前提下,联合优化反射系数、计算资源、时间分配、RIS相移以及无人机轨迹,实现系统能效最大化。针对所提出的复杂非凸优化问题,基于Dinkelbach算法开发了一个三阶段迭代优化算法,并进一步利用拉格朗日对偶方法、次梯度下降算法以及SCA框架实现对各子优化问题的高效求解,并基于理论推导出了用户最优CPU计算频率、反向散射系数和RIS相移系数的闭式表达式。仿真结果表明,与基准方案和简化方案相比,所提方案实现了更优越的系统能效,证明了所提方案的有效性。

关键词：移动边缘计算反向散射通信无人机可重构智能表面最大化系统能效

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：