检索结果-内蒙古大学图书馆

作者：程松西安工业大学

学位级别：硕士

战术侦察机器人是未来信息化战场的基本智能单元,通过其搭载的智能化检测装置,可以在敌人纵深进行侦察,发挥情报收集和监测等作用。然而,由于侦察机器人电池寿命短、算力有限等约束,导致其侦察能力不足。而云计算中心往往离前线作战单... 详细信息

战术侦察机器人是未来信息化战场的基本智能单元,通过其搭载的智能化检测装置,可以在敌人纵深进行侦察,发挥情报收集和监测等作用。然而,由于侦察机器人电池寿命短、算力有限等约束,导致其侦察能力不足。而云计算中心往往离前线作战单元较远,导致任务执行效率低、作战信息可靠性下降。因此,本文将移动边缘计算(Mobile Edge Computing,MEC)应用于侦察机器人的任务处理中。边缘服务器部署在靠近数据源的网络边缘,向上分担云服务器的压力,向下更接近移动终端(Mobile Devices,MD)。传统的边缘服务器通常被固定安装,且难以重新部署。利用无人机(UAV)的灵活性、高机动性及成本低的优点,使其搭载边缘服务器,代替传统基站,为移动设备提供计算服务。但无人机受到续航时间的限制,对边缘服务器的服务能力有较大的影响。本文将UAV辅助MEC技术与侦察机器人相结合,设计出无人机位置部署方法,计算卸载策略,最大化利用无人机有限的资源,既节约任务处理时延,又节约任务处理能耗。因此,本文主要工作如下:(1)本文针对无人机服务器部署问题,提出了改进ISODATA算法。首先,通过考虑侦察机器人的初始位置和数量以及无人机覆盖范围等因素,将其随机分布在场景中,并通过分裂函数和合并函数将集群分成更小或更大的集群,以降低无人机部署成本。其次,选取最佳的UAV位置和合适的UAV数量,以优化无人机的部署策略。最后,通过仿真实验结果表明,本文提出的改进ISODATA无人机部署算法相比于其他基准算法,具有更低的传输时延、较优的覆盖率和更合适的无人机数量,从而验证了算法的有效性和优越性。(2)在单无人机计算卸载策略方面。在动态环境下,面对高维状态空间和连续动作空间的问题,传统方法缺乏适应能力;深度强化学习前期需要对环境进行大量探索,才能得出最优UAV位置及数量。本文提出了一种计算卸载算法,该算法利用(1)中的求解结果初始化了深度确定性策略梯度算法。该算法联合优化了每个侦察机器人的卸载决策,以完成所有卸载任务并最小化最大处理时延,从而获得最优的计算卸载策略。仿真结果表明,本文提出的方法比Actor-Critic和DQN更快收敛,能够获得时延较低的最优卸载策略,在相同数量移动设备的情况下,不同任务数时也具有较好的性能表现。(3)在多无人机计算卸载策略方面。移动边缘计算网络中部署多架无人机进行计算卸载时,缺乏灵活的学习机制有效调整计算卸载策略。为此,本文针对任务卸载策略、最大任务处理时延和信号干扰噪声比等,构建了时延和能耗约束下的多无人机对多移动设备的服务场景,使用分布式深度强化学习(DDRL)的协同探索方法,在分布式探索过程中,移动设备通过协作,学习最优的计算卸载策略。仿真实验表明,该算法的收敛效果、实验和能耗均优于其他强化学习算法。

关键词：侦察机器人移动边缘计算无人机服务器部署计算卸载策略

来源：评论

学校读者我要写书评

暂无评论

基于改进DDPG的移动边缘计算卸载算法研究

基于改进DDPG的移动边缘计算卸载算法研究

引用

作者：郭丁铭北京交通大学

学位级别：硕士

移动边缘计算(MEC)是一种革命性的计算模式,它将移动计算和云计算相结合,通过在边缘服务器上卸载部分计算任务,大大减轻了移动设备的计算负担,降低了能耗和时延,并且在Io T、智慧城市、智能交通等领域得到了广泛的应用,为社会发展带来... 详细信息

移动边缘计算(MEC)是一种革命性的计算模式,它将移动计算和云计算相结合,通过在边缘服务器上卸载部分计算任务,大大减轻了移动设备的计算负担,降低了能耗和时延,并且在Io T、智慧城市、智能交通等领域得到了广泛的应用,为社会发展带来了重要的影响。然而,由于用户设备的计算能力和电池续航能力受限,以及边缘服务器的计算资源和网络带宽存在瓶颈,如何有效地卸载任务并分配计算资源成为了当前MEC研究中的重要课题。深度强化学习(Deep Reinforcement Learning,DRL)是一种利用神经网络技术,以近似值函数或策略函数的形式,将深度学习与强化学习有机地结合起来,以提高模型的准确性和可靠性。随着技术的发展,移动边缘计算的任务卸载和资源分配问题已经成为一个重要的挑战,因为它们的特征是非线性、复杂、动态,而且很多时候,使用传统的方法很难达到理想的结果。而DRL算法由于可以处理大规模、高维度的状态空间和行动空间,并且能够从数据中自适应地学习最优策略,成为解决MEC中任务卸载和资源分配问题的一种有力工具。本文研究了单服务器和多服务器两种不同应用场景下的多用户卸载问题,主要工作内容如下: (1)本文研究了多用户单边缘服务器中的任务卸载和资源分配问题,其中用户用户可以根据其自身需求,选取计算任务卸载到边缘服务器执行,也可以在本地设备执行。在任务具有处理时延约束以及边缘服务器存储和计算资源有限的前提下,以最小化由移动设备能耗与任务执行时延组成的加权总开销为优化目标,并增加任务执行成功率为评价指标。转化为马尔可夫决策过程,采用基于改进DDPG(RPS-DDPG)算法进行任务卸载决策和资源分配进行管理。经过多次迭代训练,所提出的算法能够迅速达到收敛,从而实现最佳的计算卸载策略。实验结果表明,与完全本地卸载算法、随机算法、基于离散空间的DQN算法和原始的DDPG算法相比,该算法能够为任务制定最优的卸载决策和合理的分配计算资源,达到最小化由移动设备能耗与任务执行时延组成的加权总开销同时最大化任务执行成功率的目标。 (2)本文研究了多种移动用户设备多MEC服务器的应用场景,移动用户设备在每一时刻都会产生不可分割的的计算任务。因此,为了满足需求,每一个移动设备上的任务都必须根据实际情况选择是否在本地执行,或者将其转移至MEC服务器以便进行处理。同时,应给出这些任务向服务器端卸载过程中每一MEC服务器为不同用户移动设备分配计算资源量。将任务处理总时延和移动设备总能耗作为共同的优化指标构建问题,采用提出的RPS-DDPG算法应用到该问题中。实验结果表明,与完全本地卸载算法、基于离散空间的DQN算法和原始的DDPG算法相比,该算法能够为任务制定最优的卸载决策和合理的分配MEC服务器上的计算资源,可以最大限度地减少时延和能耗加权总开销。

关键词：移动边缘计算深度确定性策略梯度卸载决策资源分配深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于多无人机协同的移动边缘计算任务卸载策略研究

基于多无人机协同的移动边缘计算任务卸载策略研究

引用

作者：王亮南京信息工程大学

学位级别：硕士

随着物联网的发展以及通信技术的更新,各种物联网应用出现在人们的日常生活当中。然而多数物联网设备的计算资源和电量存储十分有限,使物联网的发展受阻。因此,移动边缘计算应运而生,但是移动边缘计算也存在过于依赖地面基站的缺陷。在... 详细信息

随着物联网的发展以及通信技术的更新,各种物联网应用出现在人们的日常生活当中。然而多数物联网设备的计算资源和电量存储十分有限,使物联网的发展受阻。因此,移动边缘计算应运而生,但是移动边缘计算也存在过于依赖地面基站的缺陷。在这种情况下,将灵活的无人机引入移动边缘计算中就具有重要的意义。然而,在无人机辅助移动边缘计算的研究领域中也存在一些尚未解决的问题。在多数无人机辅助移动边缘计算的研究中,大部分研究未考虑无人机之间的协作以及短时间内多个用户向无人机卸载任务时可能导致的传输排队问题。同时,在部分场景中存在一些拥有较大计算资源且可以为其他人提供服务的用户,如何有效地利用这些用户的计算资源也是一个值得研究的问题。因此,本文针对上述这些问题,展开以下两方面的研究:(1)针对无人机协作和传输排队问题,本文提出了一个基于非正交多址的多无人机协同的移动边缘计算网络模型。首先,在多无人机辅助移动边缘计算的网络模型中,使无人机之间可以相互传输任务来解决无人机负载不均的问题,使用非正交多址技术来解决传输排队问题。在考虑时延能耗约束的条件下,以最小化系统整体能耗为目标,构建了一个卸载策略优化问题。为了解决此优化问题,本文提出了一个基于深度Q网络的任务卸载策略算法。仿真结果表明,所提出的方案以及任务卸载决策能够有效地降低系统整体能耗。(2)在部分用户拥有较大计算资源的场景里,如何合理利用用户的闲置计算资源问题,也是一个值得研究的问题。因此在本文的第二部分工作中,引入D2D通信技术到多无人机协同移动边缘计算模型中,以使用户可以相互传输任务,提高用户的计算资源利用率。同时,考虑到第一部分中未对无人机部署位置进行优化,在满足时延与能耗约束的前提下,提出了一个联合优化卸载策略和无人机部署位置的优化问题。为了实现系统整体能耗最小化目标,本文提出了一个基于深度双Q网络和差分进化的迭代算法来求解该优化问题。仿真结果表明,所提方案能够有效地增加用户的闲置资源利用率,并降低系统的整体能耗。

关键词：移动边缘计算无人机非正交多址 D2D通信任务卸载

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资源调度算法研究

面向无人机的移动边缘计算资源调度算法研究

引用

作者：訾顺西安工业大学

学位级别：硕士

随着军事应用需求的增加和无人机性能和技术的提高,无人机在军事领域的应用范围迅速增大。因无人机的机动性好、灵活性强、部署容易等优点,而被广泛应用于侦察作战中。在多无人机协同侦察作战过程中,无人机电池容量和计算资源有限,处理... 详细信息

随着军事应用需求的增加和无人机性能和技术的提高,无人机在军事领域的应用范围迅速增大。因无人机的机动性好、灵活性强、部署容易等优点,而被广泛应用于侦察作战中。在多无人机协同侦察作战过程中,无人机电池容量和计算资源有限,处理任务时会产生过多的能耗和时延等问题。而利用云计算技术处理,不仅会造成的带宽资源浪费、数据信息传输时延和能耗过大、实时性不能得到更好的满足等问题。移动边缘计算(Mobile edge computing,MEC)为上述问题提供了解决方案,在数据源头为无人机提供计算服务。但边缘服务器通常被部署在地面固定位置的基站附近,使得无法有效地为侦察无人机提供通信和计算服务。因此,本文研究了一种由单个无人直升机和多个侦察无人机组成的MEC系统架构,其中无人直升机作为空中基站并搭载边缘服务器,为无人机提供通信和计算服务。基于MEC系统架构来研究多无人机的任务计算卸载策略与资源调度问题,使得减少任务处理的时延和能耗,从而降低无人机电池寿命损耗,满足用户服务质量体验等。本文主要研究工作如下:(1)在无人机任务计算卸载方面,构建面向无人机的MEC系统模型,以最小化系统任务执行能耗和时延为优化目标构建目标函数,通过改进蝙蝠算法求解多无人机任务二进制计算卸载策略。相比于粒子群算法、遗传算法等,蝙蝠算法具有调整参数少、求解精度高、求解效率高且稳定性好等优势。但也存在易陷入局部最优、后期收敛速度慢等缺点,因此,本文通过引入线性递减惯性权重策略,改进蝙蝠算法的全局搜索能力和快速收敛能力。仿真实验以求解的目标函数值、达到最优解次数、算法运行总时间为评价指标。仿真结果证明,与基准算法相比,改进后的蝙蝠算法在求解多无人机任务计算卸载问题上更加准确、稳定、高效。在任务执行能耗与时延加权和方面,改进蝙蝠算法比蝙蝠算法、粒子群算法和改进粒子群算法分别降低了4.6%、10%和3.7%。(2)在系统资源调度方面,构建MEC系统模型和系统任务队列模型,以最小化系统任务平均执行能耗为优化目标构建目标函数。针对由于资源调度问题中卸载策略、通信资源和计算资源等变量之间存在耦合关系而产生的混合整数非线性规划问题,采用了基于李雅普诺夫优化的系统资源调度算法。首先对任务队列进行分析,建立李雅普诺夫漂移加惩罚函数,其次将优化问题转化为基于李雅普诺夫优化的队列稳定性控制问题,然后分解为计算卸载策略与UAV用户本地计算资源分配、传输功率与带宽资源分配和MEC服务器计算资源分配三个子问题,并分别求解,最后设计了一种联合优化方案。仿真实验以任务队列长度和任务执行能耗为评价指标。仿真结果证明,本文算法的求解性能优于基准算法,实现了在保证任务队列稳定性的前提下,最小化系统平均任务执行能耗。

关键词：无人机移动边缘计算计算卸载资源调度李雅普诺夫优化

来源：评论

学校读者我要写书评

暂无评论

基于D2D多用户移动边缘计算的任务卸载和资源分配研究

基于D2D多用户移动边缘计算的任务卸载和资源分配研究

引用

作者：金晨合肥工业大学

学位级别：硕士

随着5G和互联网技术的发展,智能设备的普及和无线传感器的广泛应用,无时无刻产生大量的应用程序需要处理,受限于本地设备的电池与计算能力,这些应用程序可传输至云中心进行处理,然而集中式的云中心面对大量数据时,会造成网络拥挤,无法... 详细信息

随着5G和互联网技术的发展,智能设备的普及和无线传感器的广泛应用,无时无刻产生大量的应用程序需要处理,受限于本地设备的电池与计算能力,这些应用程序可传输至云中心进行处理,然而集中式的云中心面对大量数据时,会造成网络拥挤,无法满足用户的需求。因此分布式的移动边缘计算(Mobile Edge Computing,MEC)便在这种情况下发挥着巨大作用,因其有着一定的计算能力和较大的带宽,用户能够直接将任务交由边缘服务器进行计算从而减少能耗和时延。但边缘服务器资源有限,多用户如何选择要卸载的边缘服务器以及边缘服务器的资源如何进行分配是近些年移动边缘计算研究的热点。设备到设备(Device-to-Device,D2D)技术可以与MEC相结合,促进资源的利用。然而在基于D2D的MEC场景下,如何对混合线性依赖和独立子任务进行任务卸载和资源分配,以及对所有用户充当计算节点的线性依赖问题进行任务卸载和资源分配是挑战问题。本文的研究内容如下: 针对混合线性依赖和独立子问题的任务卸载和服务资源分配进行研究,将问题形式化非凸优化问题,对该非凸问题提出混合任务两层优化(mixed task two-layer optimization,MTTLO)算法,MTTLO算法第1层通过先固定各个设备或边缘服务器上计算能力的分配,将混合线性依赖和独立子任务的非凸问题使用部分固定最优成本卸载算法得到优先级,并求出任务卸载策略。第2层使用卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件求出固定任务卸载策略下设备或边缘服务器服务缓存的计算能力的封闭解。仿真实验结果表明,文中提出的MTTLO算法优于其他基准算法,能够有效减少系统的能耗和时延权重和。针对能耗约束的多用户多边缘服务器的线性依赖问题,将问题形式化为非凸问题,提出了能耗约束任务卸载算法和基于灰狼算法(grey wolf optimizer,GWO)联合优化任务卸载和计算资源分配算法。在给定用户移动设备计算资源分配的情况下,通过能耗约束任务卸载算法求出任务卸载策略,在考虑能耗约束的情况下通过GWO联合优化任务卸载和用户移动设备的计算资源的分配,同时获得任务卸载策略和计算资源分配策略。通过与基准算法比较,有效减少了系统的时延,验证了算法的有效性。

关键词：移动边缘计算任务卸载资源分配 D2D 线性依赖

来源：评论

学校读者我要写书评

暂无评论

社交驱动的移动边缘计算任务卸载优化与激励机制研究

社交驱动的移动边缘计算任务卸载优化与激励机制研究

引用

作者：罗至恒深圳大学

学位级别：硕士

随着5G的普及以及海量物联网设备的出现,传统的云计算无法满足大量对带宽、时延、能耗等有着较高要求的计算任务的需求,因此移动边缘计算(Mobile Edge Computing,MEC)开始受到越来越多的关注。MEC能充分利用部署在网络边缘端的各种资源... 详细信息

随着5G的普及以及海量物联网设备的出现,传统的云计算无法满足大量对带宽、时延、能耗等有着较高要求的计算任务的需求,因此移动边缘计算(Mobile Edge Computing,MEC)开始受到越来越多的关注。MEC能充分利用部署在网络边缘端的各种资源,为用户提供高质量的服务,但是由于资源有限,所以需在系统中进行合理的任务卸载和资源分配。在社交驱动的移动边缘计算场景中,社交关系的存在、用户的移动性、MEC受限的资源、MEC系统用户各异的偏好、终端直通(Device-to-Device,D2D)等现实因素都加大了最优任务卸载的难度。现有工作主要针对时延或能耗做性能优化,对该场景下存在的多种现实因素考虑得不够充分,尤其是对系统运营很重要的经济效用问题研究较少;此外,现有工作对于社交关系和移动性的考虑不足,尤其是在进行任务卸载及资源分配决策时没有很好地利用社交用户的主动移动来提升系统性能,因此无法完全满足社交驱动的移动边缘计算这样复杂场景的实际需要。本文的研究从系统的经济效用角度出发,考虑在多种现实因素约束下的最佳任务卸载及资源分配方案,并针对该场景下用户及服务提供者存在私有信息的情况提出一种新的激励机制,该激励机制可以使得用户及服务提供者如实上报私有信息并最大化系统的经济效用。本文的工作总结如下: 首先,本文对社交驱动的移动边缘计算场景的任务卸载问题进行了研究。不同于以往的工作,针对多用户多边缘服务提供者的场景,综合考虑到了用户各异的偏好、资源限制及不同边缘设备的参与等多种现实约束因素,提出了一种新颖的合理利用系统内用户的移动性以及社交关系的任务卸载方式,并建立了该场景下系统效用最大化问题的模型,且对该问题的求解提出了一种基于改进离散粒子群的优化算法。实验结果验证了所提策略的有效性,且所提出的算法在多种场景中都具有良好的性能。与现有工作相比,系统效用有着明显的提升,在本文的实验场景中,该方法在系统效用方面的提升多达15%。然后,本文对社交驱动的移动边缘计算场景的激励机制进行了研究。在前一个工作的基础上更进一步,为避免在任务卸载及资源分配时用户及服务提供者可能不诚实上报私有信息对系统造成的不良影响,设计了一种新颖的有效利用用户移动性及社交关系且保证真实性的双边拍卖激励机制。它可以在将用户与MEC服务提供者匹配时使得所有用户及服务提供者都真实上报私有信息。该机制在充分考虑到用户的个人偏好差异、时延限制和资源限制等现实因素的同时,充分利用了用户的移动性、社交关系以及D2D设备的计算资源,促进了系统内资源的合理分配,为该场景下的资源配置提供了新的方案。通过理论分析和仿真实验可以证明,所提出的机制具备真实性、个体理性、预算平衡性等经济学鲁棒性,同时拥有良好的计算效率以及经济效率,与现有工作相比在系统的经济效率方面平均有着约20%的提升。本文的研究为移动边缘计算系统在社交和移动场景下的决策和运营提供了新的思路和方法。

关键词：移动边缘计算社交关系任务卸载启发式算法激励机制

来源：评论

学校读者我要写书评

暂无评论

基于移动边缘计算的车联网任务卸载及迁移机制研究

基于移动边缘计算的车联网任务卸载及迁移机制研究

引用

作者：李泽民内蒙古大学

学位级别：硕士

随着移动通信技术的升级和物联网应用的广泛普及，车联网相关技术得到了迅速发展。这导致车辆计算任务的数量呈爆炸式增长，使得车辆在资源受限的情况下难以应对大量计算任务。近年来，许多研究将移动边缘计算技术应用到车联网场景，利... 详细信息

随着移动通信技术的升级和物联网应用的广泛普及，车联网相关技术得到了迅速发展。这导致车辆计算任务的数量呈爆炸式增长，使得车辆在资源受限的情况下难以应对大量计算任务。近年来，许多研究将移动边缘计算技术应用到车联网场景，利用边缘服务器资源为车辆提供计算服务。然而，位于路侧单元的边缘服务器由于体积小、计算资源有限，在卸载计算任务过多时，仅靠边缘服务器的资源也无法满足任务的计算需求。因此，考虑利用具有空闲资源的车辆作为边缘服务器资源的补充，为卸载任务提供计算服务。此外，由于车辆的移动性，任务卸载到具有空闲资源的车辆后可能导致该车辆与边缘服务器及任务卸载车辆通信断开，从而导致任务服务中断。因此，需要对卸载任务进行迁移，以确保卸载任务服务的连续性。本文包括以下两部分工作:　　(1)针对位于路侧单元的边缘服务器资源受限的问题，本文提出了基于Stackelberg博弈的资源分配及任务卸载的联合优化策略。该策略中考虑利用当前路侧单元基站通信范围内具有空闲资源的车辆即志愿服务车辆协助边缘服务器进行任务处理。首先，因为志愿服务车辆与其资源收购方边缘服务器的信息不对称，所以利用匹配理论描述双方的资源买卖合同，由志愿服务车辆选择最优合同并公布资源售价。其次，利用Stackelberg博弈分析请求计算车辆和边缘服务器之间的资源买卖关系。再次，根据各方的效益模型将策略建模为组合优化模型,通过卸载激励机制让各方主动参与资源分配过程。最后，利用拉格朗日乘子法求解动态博弈过程，并利用逆向归纳法反推满足各方及全局效益的最优解。仿真实验给出了各阶段结果图和对比实验图，证明了所提出策略的可行性，同时揭示了该策略与其它策略相比在不同车辆规模下的成本最低。　　（2）针对任务卸载到志愿服务车辆上计算可能会出现的服务中断问题，本文提出了一种基于深度强化学习算法的任务迁移策略。首先，将问题建模为单目标优化模型。其次，利用长短期记忆网络来预测车辆的未来运动轨迹。最后，利用基于异步深度Q网络和蚁群优化的混合算法生成最优的任务迁移路径。本研究利用真实数据集进行了仿真实验。结果表明，一方面利用长短期记忆网络预测车辆运动轨迹不仅能够减少约40％的任务平均迁移次数请求，而且在误差指标上表现更好。另一方面，对任务迁移算法进行对比实验，评估其在不同任务量和志愿服务车辆最大通信距离下的表现。实验结果表明，该算法的任务平均完成成本均低于其他对比算法，证明了所提出策略的可行性和有效性。

关键词：移动边缘计算车联网任务卸载资源分配任务迁移

来源：评论

学校读者我要写书评

暂无评论

多用户多时隙移动边缘计算系统的计算缓存优化设计

引用

广东工业大学学报 2023年第5期40卷 73-80页

作者：梁静轩王丰广东工业大学信息工程学院广东广州510006

在动态环境下,移动边缘计算(Mobile Edge Computing, MEC)系统的节能缓存策略和计算卸载设计面临着“双随机性”难题,移动边缘服务器的缓存决策需要同时与时变的无线信道状态和随机达到的用户任务相适应。为此,本文建模多用户多时隙移... 详细信息

在动态环境下,移动边缘计算(Mobile Edge Computing, MEC)系统的节能缓存策略和计算卸载设计面临着“双随机性”难题,移动边缘服务器的缓存决策需要同时与时变的无线信道状态和随机达到的用户任务相适应。为此,本文建模多用户多时隙移动边缘计算系统的计算缓存和计算任务处理模型,建立MEC缓存容量、计算任务因果性和任务完成时限约束模型。系统模型以最小化加权能耗和为设计目标,联合优化MEC服务器缓存决策和任务计算量以及无线设备的本地计算量和计算卸载量。所提优化问题属于一类NP难问题,为求解该优化问题,首先提出基于分支定界算法的最优设计方案作为其他实用方案的性能下界。为降低计算复杂度,提出一种基于凸松弛的算法方案,该算法方案能取得系统性能和计算复杂度的良好折中。仿真结果表明,基于凸松弛的算法方案逼近基于分支定界法的最优性能曲线并优于本文考虑的基准方案。

关键词：移动边缘计算计算卸载计算任务缓存凸松弛分支定界法

来源：评论

学校读者我要写书评

暂无评论

一种移动边缘计算中基于拍卖模型的服务迁移策略

引用

计算机与数字工程 2023年第12期51卷 2774-2778,2905页

作者：徐九韵赵兴儒颜越曹雪梅刘乐乐中国石油大学(华东)计算机科学与技术学院青岛266580 中国石油大学(华东)海洋与空间信息学院青岛266580

在移动边缘计算中,目前对服务迁移策略的研究主要是集中在用户的服务质量方面,而对于服务提供商的收益情况没有足够重视。在论文中,引入了一级密封价格拍卖模型,在满足用户服务质量基础上,选择竞价最高的网络边缘节点进行迁移,从而使得... 详细信息

在移动边缘计算中,目前对服务迁移策略的研究主要是集中在用户的服务质量方面,而对于服务提供商的收益情况没有足够重视。在论文中,引入了一级密封价格拍卖模型,在满足用户服务质量基础上,选择竞价最高的网络边缘节点进行迁移,从而使得服务提供商的收益最大化。文章的其余部分总结如下。首先,建立了关于时延、成本和收益的系统模型。然后,将系统模型转化为博弈论中的拍卖问题,通过求得贝叶斯纳什均衡解来获得最佳网络边缘节点。最后,就提出的迁移策略进行了模拟仿真,分析了提出的算法与已有算法的对比情况以及不同权重取值下的最优竞价。

关键词：移动边缘计算服务迁移一级密封价格拍卖服务质量收益

来源：评论

学校读者我要写书评

暂无评论

面向5G通信网络的移动边缘计算资源分配与优化策略研究

引用

信息记录材料 2024年第6期25卷 182-184页

作者：孔凡山西应用科技学院山西忻州034000

为了解决移动边缘计算(mobile edge computing,MEC)中资源分配不公与优化效率低的问题,本文提出了一种面向5G通信网络的资源分配与优化策略。首先,针对资源分配的复杂性、不确定性和延迟降低的情况,设计了资源分配的公平性、效率性和灵... 详细信息

为了解决移动边缘计算(mobile edge computing,MEC)中资源分配不公与优化效率低的问题,本文提出了一种面向5G通信网络的资源分配与优化策略。首先,针对资源分配的复杂性、不确定性和延迟降低的情况,设计了资源分配的公平性、效率性和灵活性方案。其次,提出了基于任务需求、网络拓扑和用户需求的资源分配策略,并设计了相应的任务优先级确定方法、任务调度算法、网络拓扑分析方法和资源分配算法。最后,通过实验设计和效果分析,验证了所提出策略的有效性和可行性,旨在为MEC资源分配与优化提供一种新的解决方案,以此提升5G通信网络的性能和用户体验。

关键词： 5G通信网络移动边缘计算资源分配优化策略

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：