检索结果-内蒙古大学图书馆

物联网学报 2021年第1期5卷 11-18页

作者：张厚浩李晗琳高林哈尔滨工业大学(深圳)电子与信息工程学院广东深圳518055

随着5G时代的到来,万物互联逐渐成为现实,然而,物联网中的很多终端因计算资源不足导致功能受限。移动边缘计算是一种新型网络计算模式,其终端设备可以将资源敏感型应用卸载到附近计算资源充足的边缘节点,从而降低运行成本/时延,提高服... 详细信息

随着5G时代的到来,万物互联逐渐成为现实,然而,物联网中的很多终端因计算资源不足导致功能受限。移动边缘计算是一种新型网络计算模式,其终端设备可以将资源敏感型应用卸载到附近计算资源充足的边缘节点,从而降低运行成本/时延,提高服务质量(QoS,quality of service)。针对移动边缘计算资源部署问题进行研究,考虑网络服务提供商(ISP,Internet service provider)支付部署资源的费用,同时向终端设备出租资源以获得收入的场景。由于物联网终端设备的资源需求是快速随机变化的,而边缘计算资源的部署是一个长期缓慢变化的过程,因此,合理的资源部署策略至关重要。提出了一个基于5G网络模型的分层网络结构,其中,计算资源可以部署在基站端、汇聚端以及云端等不同的网络层级。基于该分层网络架构,最优资源部署问题被构建为一个以ISP的利润最大化为优化目标的混合整数规划问题,并基于MATLAB中的CVX工具箱对该问题进行求解。仿真结果表明,所提出的移动边缘计算资源分层部署方案在ISP收入和部署成本方面的性能均优于平坦型资源部署方案。

关键词：物联网移动边缘计算分层资源部署

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中能耗和时延优化卸载方法研究

移动边缘计算中能耗和时延优化卸载方法研究

引用

作者：谭裕福中国石油大学(北京)

学位级别：硕士

相较于传统的云计算(Cloud Computing,CC),移动边缘计算(Mobile Edge Computing,MEC)更关注于将计算和存储资源等向靠近用户的网络边缘延伸,既缓解了移动设备硬件资源的短缺,又避免了大量数据在核心网络中传输所带来的高负载和高时延。... 详细信息

相较于传统的云计算(Cloud Computing,CC),移动边缘计算(Mobile Edge Computing,MEC)更关注于将计算和存储资源等向靠近用户的网络边缘延伸,既缓解了移动设备硬件资源的短缺,又避免了大量数据在核心网络中传输所带来的高负载和高时延。但是,这种新的计算模式也带来了新的挑战,其中计算卸载被认为是最重要的挑战之一,计算卸载通常包含卸载决策和资源分配。本文调研了国内外关于MEC系统中的计算卸载的研究现状,总结了两种典型的MEC计算卸载场景:面向用户的MEC计算卸载场景和面向运营商的MEC计算卸载场景。前者专注于提升MEC服务订阅者的服务质量(Quality of Service,Qo S),而后者更关注以更少的成本为更多的服务订阅者提供更好的服务。本文以优化时延和能耗为目的,研究了两类典型的MEC场景中的计算卸载策略。本文的主要研究工作如下:(1)在面向用户的MEC计算卸载场景中,针对新型移动应用复杂的任务间依赖关系,本文设计了一种基于拓扑排序的分层算法将任务分层,使得同一层中的任务间不存在依赖关系。为求解任务的计算卸载策略,分别定义任务在本地计算和在MEC服务器上的计算开销,该计算开销与资源分配方案有关。通过计算并比较任务在本地和MEC服务器上的最小计算开销以获得每个任务的卸载策略和资源分配方案。最后,设计仿真实验验证了所提算法在优化应用的时延和移动设备能耗方面优于其它对比算法。(2)在面向运营商的MEC计算卸载场景中,针对大规模的MEC系统中卸载决策的解空间过大以及用户间存在资源竞争和相互干扰的问题,本文考虑将原问题分解为两个子问题以求解近似最优计算卸载策略。对于资源分配子问题,给出并证明了任意给定的任务卸载策略下的最优资源分配方案的解析解,从而将原问题转化为求解最优的任务卸载策略。考虑引入序优化(Ordinal Optimization,OO)理论以解决任务放置子问题的解空间过大的问题,以高概率获得近似最优的任务卸载策略。最后,设计仿真实验验证了所提算法在优化任务时延和MEC服务器能耗方面优于其它对比算法。

关键词：移动边缘计算卸载决策资源分配时延能耗

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算任务卸载系统的设计与实现

移动边缘计算任务卸载系统的设计与实现

引用

作者：战俊伟南京航空航天大学

学位级别：硕士

移动边缘计算将移动设备端的任务从本地终端卸载到边缘服务器执行,可解决移动边缘设备计算能力有限、续航能力差等问题。然而随着移动边缘设备的不断增加、边缘任务数量不断增加、计算量不断增大,移动边缘计算领域如何进行最佳的任务卸... 详细信息

移动边缘计算将移动设备端的任务从本地终端卸载到边缘服务器执行,可解决移动边缘设备计算能力有限、续航能力差等问题。然而随着移动边缘设备的不断增加、边缘任务数量不断增加、计算量不断增大,移动边缘计算领域如何进行最佳的任务卸载成为了一个亟待解决的问题。本文对移动边缘计算的任务卸载技术进行了深入的研究,主要研究工作如下: (1)针对移动边缘计算任务卸载时延能耗较大的问题,研究提出一种面向能耗与延迟优化的移动边缘计算任务卸载方法,基于多任务、多MEC服务器的场景,首先构建了一种基于能耗与延迟优化的移动边缘计算任务卸载模型,该模型考虑了边缘设备的剩余电量,使用时延、能耗加权因子计算边缘设备的总开销,具有延长设备使用时间,减少任务卸载时延和能耗的优点;进一步设计了一种基于改进遗传算法的移动边缘计算任务卸载算法,将求解最优卸载决策的问题转化为求解种群最优解的问题。对比实验结果表明,该算法具有可降低任务卸载时延和能耗,提高任务卸载效率等优点。 (2)针对移动边缘计算任务卸载资源受限的问题,研究了面向资源受限的移动边缘计算任务卸载方法,首先构建了一种D2D与MEC相结合的移动边缘计算任务卸载模型,包括时延模型、能耗模型、网络模型,并设计了求解问题的公式。进一步提出一种基于改进粒子群算法的移动边缘计算任务卸载算法,改进粒子群算法的惯性因子等参数和社会学习方式,使用混沌因子优化该算法,以避免算法陷入局部最优解。对比实验结果表明,该算法具有可降低任务卸载总成本,提高任务卸载成功率等优点,验证了算法的优越性。最后,根据移动边缘计算任务卸载的需求,为实现多用户、多MEC服务器、多D2D设备的任务卸载,初步设计实现了移动边缘计算任务卸载系统,测试实验结果表明该任务卸载系统具有用户管理、任务卸载、性能监控、结果查询等功能,系统性能均满足设计要求。

关键词：移动边缘计算任务卸载遗传算法粒子群算法资源受限

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中微服务部署与请求路由联合优化

移动边缘计算中微服务部署与请求路由联合优化

引用

作者：邹芷青华中科技大学

学位级别：硕士

传统的移动边缘计算(Mobile Edge Computing,MEC)各业务模块高度耦合,在实际系统中难以部署、扩展和维护。近年来,微服务作为一种协作化和自治化的服务体系逐渐成为人们关注的焦点。为了促进网络边缘环境通用化、开放化和灵活化,越来越... 详细信息

传统的移动边缘计算(Mobile Edge Computing,MEC)各业务模块高度耦合,在实际系统中难以部署、扩展和维护。近年来,微服务作为一种协作化和自治化的服务体系逐渐成为人们关注的焦点。为了促进网络边缘环境通用化、开放化和灵活化,越来越多的研究结合微服务与MEC架构,将传统的单体业务解耦成一组微服务部署在边缘服务器上,并为用户请求规划访问这些微服务的路由,以更好地提供服务。然而,现有研究通常将微服务部署与请求路由看作两个独立的问题,忽略了两者之间的相互影响。基于此,本文重点研究在不同边缘云场景中微服务部署与请求路由的联合优化问题,包括如下两部分:(1)在单边缘云场景下,以系统运行功率、带宽、计算资源为约束,根据排队论建立了以最小化系统平均响应时延为优化目标的问题模型。基于传统的贪婪随机自适应搜索过程的思想,提出一种初始解构造-局部搜索的两阶段贪婪随机禁忌搜索算法对微服务部署方案与请求路由方案进行联合优化。在每次迭代中,算法首先构造微服务部署方案,并基于此构造请求路由方案;随后,采用自适应步长的禁忌搜索算法,以一种联合的方式同时优化部署方案与请求路由方案。仿真表明,所提算法能够有效降低平均响应时延,减小网络带宽消耗,保证服务器间负载均衡。(2)在多边缘云场景下,建立了平均响应时延最小化问题模型,充分考虑边缘云的隐私性以及请求跨边缘云传输对网络造成的影响。鉴于场景的复杂性与动态性,提出一种基于改进的深度Q网络联合优化算法对微服务部署与请求路由问题进行联合求解并优化。算法以微服务部署方案的改变作为智能体的动作,基于部署方案引入最佳匹配递减算法来构造请求路由,利用完整的微服务部署与请求路由联合方案计算奖励并进行后续的网络训练。实验表明,该算法具有良好的收敛性能,与其他算法相比,能有效降低响应时延,减少系统运行功率。

关键词：移动边缘计算微服务部署请求路由深度强化学习联合优化

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DDPG的任务卸载算法研究

移动边缘计算中基于DDPG的任务卸载算法研究

引用

作者：农望广西大学

学位级别：硕士

随着第五代通信技术(5G)的发展,自动驾驶、增强现实、虚拟现实等新应用对于搭载设备的性能提出了极高的要求。用户设备很难仅仅通过拓展硬件设施的方式满足这些应用的计算需求。为此,业界提出移动边缘计算(Mobile Edge Computing,MEC)... 详细信息

随着第五代通信技术(5G)的发展,自动驾驶、增强现实、虚拟现实等新应用对于搭载设备的性能提出了极高的要求。用户设备很难仅仅通过拓展硬件设施的方式满足这些应用的计算需求。为此,业界提出移动边缘计算(Mobile Edge Computing,MEC)作为解决上述问题的方案。在MEC中,用户设备可以将任务卸载到位于移动网络边缘的服务器上执行,以达到降低任务处理时延和用户设备能耗的目的。然而,边缘服务器的资源存在局限性,无法满足所有任务的卸载需求。为了优化MEC任务卸载性能,本文对边缘服务器资源受限的MEC环境下的任务卸载问题进行了研究,并结合深度学习方法深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)给出了具体方案。工作可概括如下:(1)针对多用户设备和单边缘服务器的MEC场景,提出一种基于DDPG的任务卸载决策和资源分配算法OADDPG。在该环境中,考虑边缘服务器的资源存在限制且可以并行处理多个任务,之后以由移动设备能耗与任务处理时延构成的加权总开销和任务执行成功率作为优化目标进行系统建模。将建立的MEC模型转化为马尔可夫决策过程,根据优化目标设计合理的状态空间、动作空间和奖励函数。OADDPG算法可以为属性变化的任务制定卸载决策并分配边缘服务器计算资源,在训练过程中通过更新网络不断提升策略的准确程度,使得累计奖励达到最高,从而获得最低总开销与最高的成功率。实验结果表明,与三种基线算法相比所提算法能够有效降低用户设备的加权总开销,提升任务执行的成功率。(2)针对用户设备具有移动性的MEC场景,提出一种基于改进DDPG的任务卸载决策和资源分配算法PERDDPG。在该环境中,考虑每个时隙用户设备所在位置不同对信息传输速率造成的影响,以最小化由用户设备能耗和任务处理时延构成的加权总开销同时最大化任务执行成功率为目标构建动态MEC任务卸载模型。为了进一步提升算法性能,利用优先经验回放技术(Prioritized Experience Replay,PER)改进DDPG算法。最后使用所提的PERDDPG算法为更具动态的MEC场景制定卸载决策和计算资源分配方案。仿真实验表明,所提算法相较于改进前能够加快算法收敛速度并提升累计奖励,有效降低移动设备的加权总开销,提升任务执行的成功率。综上所述,本文在不同MEC场景中提出的两种任务卸载决策和资源分配算法有效的降低了用户设备的总开销,提升了任务执行的成功率,对于MEC中任务卸载策略的研究具有一定贡献。

关键词：移动边缘计算卸载决策资源分配深度确定性策略梯度优先经验回放资源约束

来源：评论

学校读者我要写书评

暂无评论

基于非正交多址接入的移动边缘计算安全节能联合资源分配

引用

电子与信息学报 2021年第12期43卷 3580-3587页

作者：郝万明孙继威孙钢灿朱政宇周一青郑州大学河南先进技术研究院郑州450003 郑州大学信息工程学院郑州450001 郑州大学产业技术研究院郑州450001 中国科学院大学北京100049

为提高基于非正交多址接入(NOMA)的移动边缘计算(MEC)系统中计算任务部分卸载时的安全性,该文在存在窃听者情况下研究MEC网络的物理层安全,采用保密中断概率来衡量计算卸载的保密性能,考虑发射功率约束、本地任务计算约束和保密中断概... 详细信息

为提高基于非正交多址接入(NOMA)的移动边缘计算(MEC)系统中计算任务部分卸载时的安全性,该文在存在窃听者情况下研究MEC网络的物理层安全,采用保密中断概率来衡量计算卸载的保密性能,考虑发射功率约束、本地任务计算约束和保密中断概率约束,同时引入能耗权重因子以平衡传输能耗和计算能耗,最终实现系统能耗加权和最小。在满足两个用户优先级情况下,为降低系统开销,提出一种联合任务卸载和资源分配机制,通过基于二分搜索的迭代优化算法寻求问题变换后的最优解,并获得最优的任务卸载和功率分配。仿真结果表明,所提算法可有效降低系统能耗。

关键词：移动边缘计算非正交多址接入保密中断概率资源分配部分卸载

来源：评论

学校读者我要写书评

暂无评论

面向移动边缘计算的负载预测与任务分配策略研究

面向移动边缘计算的负载预测与任务分配策略研究

引用

作者：林嘉诚杭州电子科技大学

学位级别：硕士

移动边缘计算的发展引发了新的挑战,如集群节点和任务的复杂异构性,负载模式的变化,以及负载爆发,这些严重影响了系统的适应性、效率和可靠性。这使得移动边缘计算系统面临三个亟需解决的问题:1)如何预测负载爆发的时空位置。2)如何通... 详细信息

移动边缘计算的发展引发了新的挑战,如集群节点和任务的复杂异构性,负载模式的变化,以及负载爆发,这些严重影响了系统的适应性、效率和可靠性。这使得移动边缘计算系统面临三个亟需解决的问题:1)如何预测负载爆发的时空位置。2)如何通过有效的负载迁移策略应对负载爆发,保障系统稳定;3)如何适应多变的负载模式,并合理分配任务,以提高系统性能、可靠性和效率。本文针对移动边缘计算在复杂异构环境下的负载爆发和负载迁移问题进行研究,提出了一套性能优化方案,包括: (1)本文提出一种基于移动感知的MEC负载预测算法(MSSTC),旨在有效预测负载爆发的时空位置。本文从负载的时空关系切入,将负载信息分为时间和空间两个维度,以深入探究其复杂的时空依赖关系,旨在提高预测的准确度和稳定性。在负载发生的空间关系方面,本文从负载源的角度出发,区分为行人和车辆两类,提出了STHP和TPred++算法。与LSTM Encoder-Decoder、S-LSTM等算法相比,STHP在ETH等五个数据集上的ADE指标降低了8%和11.1%,FDE指标降低了15.8%和16.5%。TPred++与Transformer与TPred算法在成都数据集下,AMR指标上分别提升12.1%和2.58%,DE指标分别降低。在北京数据集下AMR指标分别提升8.1%和1.74%,DE指标分别降低7.5%和1.16%。最后融合负载的时序与空间信息,为了处理时空信息,本文提出了两种架构的Mo E模型。第一种Double架构分离处理时空负载数据,第二种Single架构融合处理时空负载数据,实验表明在不同的负载压力下Double架构表现出良好的稳定与适应性,Single架构表现出更好的准确性。 (2)本文提出了一种基于预测均衡比的负载迁移策略(LMSPER),旨在有效缓解由负载爆发引起的系统稳定性和可靠性问题。通过MSSTC算法预测集群未来一段时间内的负载分布以及变化情况,当某些节点未来一段时间内的负载峰值超过预定的阈值时,基于预测的负载分布,将发生负载爆发的节点上的部分任务迁移至其余节点。相比于K8S与SWARM等负载迁移策略,本文的LMSPER策略可以有效缓解由负载爆发引起的集群性能下降问题。实验表明,LMSPER在任务时延上分别减少了35.7%和36%,在资源利用率上降低了13.6%和10.8%。 (3)本文提出了一个基于元强化学习的异构任务卸载策略(HTO),旨在有效应对复杂异构环境下的由负载迁移引起的任务卸载失效问题。HTO策略利用元强化学习技术,使模型更有效地学习样本模式,适应负载模式的变化,从而提高模型的准确性和适应性。实验结果表明,与全局GD算法相比,HTO在低负载条件下将任务时延降低了43%,在高负载的情况下,HTO可以在资源紧张的情况下,通过牺牲任务时延来提高任务卸载成功率,保障系统可靠性,在计算资源充裕时,任务时延降低了25%。在实际的部署实验中HTO相较于经典的Min-Min、Max-Min、FMS、CUS等算法分别降低了7%,12.6%、12.63%、17.18%。从任务卸载成功率看,HTO相较于经典的Min-Min、Max-Min、FMS、CUS等算法分别提升了1.67%、4.56%、28.25%、8.36%。这验证了HTO算法的有效性与适应性。

关键词：移动边缘计算行人移动预测交通轨迹预测负载预测元强化学习任务卸载

来源：评论

学校读者我要写书评

暂无评论

基于车联网车辆协作机制的移动边缘计算卸载方法研究

基于车联网车辆协作机制的移动边缘计算卸载方法研究

引用

作者：张平天津理工大学

学位级别：硕士

车联网是物联网在智能交通领域中的应用,也是智能交通系统的重要有机组成部分。随着越来越多智能汽车的移动应用出现,需要进行大量的信息采集和计算资源。任务卸载作为一种有效的解决方案,为网络中的移动用户提供了足够的计算资源,然而... 详细信息

车联网是物联网在智能交通领域中的应用,也是智能交通系统的重要有机组成部分。随着越来越多智能汽车的移动应用出现,需要进行大量的信息采集和计算资源。任务卸载作为一种有效的解决方案,为网络中的移动用户提供了足够的计算资源,然而如何合理地进行卸载才能减少系统开销是现今具有挑战性的问题。本文针对基于车联网车辆协作的移动边缘计算任务卸载问题,针对两种不同的场景分别提出了有效的任务卸载方案,本文的研究内容及创新点如下: (1)受城市道路停放车辆启发,建立了停车集群、移动车辆、边缘服务器和云服务器组成的系统框架,考虑了任务卸载的系统成本即时延和能耗,设置一个权重因子来平衡两个参数,将目标定为最小化系统成本。将请求卸载和资源调度作为双重决策问题进行分析,提出了一种基于粒子群优化策略的车联网计算任务卸载方法,加入了模拟退火算法的降温过程利用其以一定概率跳出局部最优解的特点从而增加了算法的全局搜索能力,并且利用精英非支配排序遗传算法的进化过程来求解多目标优化问题。实验结果表明,与传统粒子群算法卸载方案等相比,本文提出的方案所需的成本开销更低。 (2)以用户终端、边缘服务器和带资源的空闲车辆作为网络结构,受灰狼群高度社会性的启发,提出了一种基于灰狼狩猎寻优机制的边缘计算任务卸载方法。首先提出了一种自适应权重因子,在时延和能耗约束的情况下平衡时延与能耗在系统成本中的权重占比,将时延和车辆与服务器的计算资源等作为约束条件,提出了一种多约束的最小化系统成本问题,其次,利用灰狼优化算法的狩猎过程寻找卸载方案的最优解,加入了levy飞行策略增强算法的全局搜索能力,并引进动态权重策略提高算法收敛性能,最后用改进灰狼优化算法来求解得出最佳卸载方案及最小成本。实验结果表明,与传统灰狼优化算法卸载方案等相比,本文提出的方案有着较好的效果。

关键词：移动边缘计算粒子群算法车联网灰狼优化算法计算卸载

来源：评论

学校读者我要写书评

暂无评论

基于双深度Q网络的移动边缘计算任务卸载方法研究

基于双深度Q网络的移动边缘计算任务卸载方法研究

引用

作者：张维真北京交通大学

学位级别：硕士

近年来,物联网(Internet of Things,IoT)技术飞速发展,图像/视频处理、增强现实等计算量大、对时延要求高的应用大量出现,用户在获得新体验的同时,对网络服务质量的需求越来越高。移动设备的计算能力虽越来越强大但无法自行处理这些计... 详细信息

近年来,物联网(Internet of Things,IoT)技术飞速发展,图像/视频处理、增强现实等计算量大、对时延要求高的应用大量出现,用户在获得新体验的同时,对网络服务质量的需求越来越高。移动设备的计算能力虽越来越强大但无法自行处理这些计算量巨大的任务,学术界提出将移动边缘计算(Mobile Edge Computing,MEC)作为上述问题的解决方案。MEC将网络计算功能和存储功能卸载到移动网络的边缘,在实现低延迟数据访问、最大可能减少网络拥塞同时提高用户的服务质量。其中,传统任务卸载方法缺乏智能性和适应性,合理选择任务卸载的方法对于充分利用MEC的能力至关重要。本文在深度强化学习(Deep Reinforcement Learning,DRL)的方法背景下对单服务器和多服务器场景的MEC任务卸载问题进行研究,提出了基于双深度Q网络(double deep Q network,DDQN)的解决方案。本文主要研究内容如下: (1)首先对单服务器多用户场景下的任务卸载问题进行研究,设计了单服务器多用户场景下的系统模型,定义了以时延和能耗加权和的系统成本最小的优化目标,提出了基于PERD3QN(Prioritized Experience Replay Double Dueling Deep Q Network)算法的单服务器多用户任务卸载方法。该算法在DDQN基础上进行改进,增加了Dueling网络架构,对动作的优势进行细致区分。引入优先经验回放机制,弥补算法中关键样本利用率低的问题,对缓冲区中的数据进行重要性采样,使得训练过程聚焦系统关注的重要的经验。在此基础上设计了一种自适应动作选择机制,在探索过程中对ε进行动态赋值,提高探索的效率。根据仿真实验结果可以看出,该卸载方法的性能优于D3QN、DDQN、NOP、ROP四种基线算法,可以较好地提高采样的效率,达到最小化系统成本的目标。 (2)其次对多服务器多用户场景下的任务卸载问题进行研究,基于多服务器场景设计更为复杂的模型描述、通信模型、计算模型及问题规划模型。将模型进行马尔可夫决策建模,设计了该场景的系统状态、动作空间和相关的奖励函数,最后提出一种基于MSPD3QN(Multi-Step Prioritized Experience Replay Double Dueling Deep Q Network)的多服务器多用户任务卸载算法。该算法在PERD3QN算法基础上增加多步学习机制,通过实验对比选取使系统成本最优的step值,通过优化长期奖励达到系统目标的最优。根据仿真实验结果可以看出,该卸载方法优于其他四种基线算法,可以较好地平衡时延和能耗,使系统成本达到最小值。

关键词：移动边缘计算任务卸载深度强化学习优先经验回放双深度Q网络

来源：评论

学校读者我要写书评

暂无评论

基于可扩展区块链的移动边缘计算系统架构研究

基于可扩展区块链的移动边缘计算系统架构研究

引用

作者：顾吉南京信息工程大学

学位级别：硕士

移动边缘计算(Mobile Edge Computing,MEC)被广泛应用于实时性强和带宽密集型业务,但其底层的异构体系结构可能会导致多种安全及隐私问题。区块链作为一种分布式账本技术,其去中心化、匿名性、不可篡改等特性为MEC系统提供了新的可信计... 详细信息

移动边缘计算(Mobile Edge Computing,MEC)被广泛应用于实时性强和带宽密集型业务,但其底层的异构体系结构可能会导致多种安全及隐私问题。区块链作为一种分布式账本技术,其去中心化、匿名性、不可篡改等特性为MEC系统提供了新的可信计算范式,使其在分布式环境中实现无可信第三方的交易认证与信息记录,可保障数据在传输、存储及计算过程中的安全性。然而,相比于传统的集中控制系统,区块链系统的可扩展性较差,且MEC环境下各区域的服务请求密度受用户行为影响波动性较大,边缘服务器有限的计算资源难以得到充分地利用。因此,区块链赋能的MEC系统面临如下挑战:1)如何设计MEC环境下的区块链网络架构,在保证网络安全性的前提下提高区块链系统的可扩展性,以满足MEC的高吞吐量需求;2)在边缘服务请求密度区域化差异的情况下,如何设计高效的MEC任务调度策略,在考虑边缘服务器负载均衡的情况下提高系统吞吐量。基于上述分析,本文对基于可扩展区块链的MEC系统架构展开研究,主要研究工作包括: (1)针对MEC场景下区块链网络可扩展性差的问题,本文提出了一种基于区块链分片的MEC网络架构。首先基于权益证明算法设计节点准入机制,通过提高恶意节点作恶的成本增强区块链网络的安全性。进而,通过引入可验证延迟函数和可验证随机函数,设计区块链分片方案,保障了网络分片的随机、公平、安全和稳定。最后,设计面向节点间交易的共识协议,保障了分片区块链上交易顺序的一致性。理论分析和实验结果表明,提出的方法在保障区块链网络安全性的同时提高了网络的可扩展性。 (2)针对不可信环境下边缘服务器计算资源利用率低问题,本文提出了一种基于信誉评估的MEC任务调度策略。首先设计任务调度策略的触发条件和执行流程,在考虑边缘服务器负载均衡的同时最大化系统吞吐量。进而,设计基于任务奖励的激励机制,促使隶属不同组织的边缘服务器竞争对等卸载任务。此外,设计基于历史表现的信誉度评估机制,并根据信誉度、延迟和富余计算能力选择对等卸载任务的执行者,以保证任务的高效执行。最后,设计基于拜占庭容错的分布式共识机制,在保证对等卸载安全透明的同时最小化共识时间。理论分析和实验结果表明,提出的方法在提升系统吞吐量的同时能保障边缘服务器负载均衡。

关键词：区块链移动边缘计算分片机制共识协议任务调度

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：