检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

37 篇 学位论文
12 篇 期刊文献

馆藏范围

49 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

49 篇 工学
- 33 篇 信息与通信工程
- 32 篇 仪器科学与技术
- 30 篇 电子科学与技术（可...
- 18 篇 公安技术
- 11 篇 计算机科学与技术...
- 7 篇 软件工程
- 5 篇 控制科学与工程
- 2 篇 机械工程
- 2 篇 交通运输工程
- 1 篇 光学工程
- 1 篇 电气工程
- 1 篇 水利工程
- 1 篇 航空宇航科学与技...
- 1 篇 网络空间安全
5 篇 管理学
- 5 篇 管理科学与工程(可...
2 篇 艺术学
- 2 篇 设计学（可授艺术学...

主题

49 篇 计算任务卸载
21 篇 移动边缘计算
12 篇 车联网
6 篇 深度强化学习
6 篇 边缘计算
4 篇 强化学习
3 篇 工业互联网
3 篇 资源分配
2 篇 服务缓存
2 篇 云计算
2 篇 资源优化
2 篇 数字孪生
2 篇 资源调度
2 篇 异构无线网络
2 篇 机器学习
1 篇 负载均衡
1 篇 无人机轨迹优化
1 篇 q-learning算法
1 篇 近端策略优化算法
1 篇 输入输出(io)性能

机构

6 篇 北京邮电大学
6 篇 电子科技大学
4 篇 西安电子科技大学
3 篇 中国科学院大学
2 篇 重庆邮电大学
2 篇 河海大学
2 篇 南京邮电大学
2 篇 内蒙古大学
1 篇 广州华商学院
1 篇 北京交通大学
1 篇 太原理工大学
1 篇 天津体育学院
1 篇 上海电科智能系统...
1 篇 清华大学
1 篇 大连海事大学
1 篇 日本电气通信大学
1 篇 郑州大学
1 篇 中国科学院计算技...
1 篇 上海交通大学
1 篇 重庆大学

作者

1 篇 孟蕾蕾
1 篇 王寒松
1 篇 zheng wanbo
1 篇 sun ruoxiao
1 篇 zeng qicheng
1 篇 meng leilei
1 篇 刘杰
1 篇 王华露
1 篇 xu xifeng
1 篇 xiong jin
1 篇 su xin
1 篇 熊劲
1 篇 zhang degan
1 篇 zhu haoyang
1 篇 朱燕民
1 篇 miao jiahui
1 篇 赵宇涵
1 篇 李长庚
1 篇 piao mingjie
1 篇 史晨华

语言

49 篇 中文

检索条件"主题词=计算任务卸载"

共 49 条记录，以下是31-40 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向时延与能耗优化的车联网任务卸载机制研究

面向时延与能耗优化的车联网任务卸载机制研究

引用

作者：王辉湖南理工学院

学位级别：硕士

21世纪以来,车辆数目剧增,车载多媒体、巡航系统和自动驾驶等新型的车载应用大量涌现,这些应用在使用过程产生了大量数据,这对车联网的计算能力与处理时延提出了更高的要求。而在车联网中,车辆的计算能力有限,不足以支撑这些应用的计算... 详细信息

21世纪以来,车辆数目剧增,车载多媒体、巡航系统和自动驾驶等新型的车载应用大量涌现,这些应用在使用过程产生了大量数据,这对车联网的计算能力与处理时延提出了更高的要求。而在车联网中,车辆的计算能力有限,不足以支撑这些应用的计算处理。在此情景下,基于云计算的车联网应运而生,由于云计算部署位置距离车辆相对较远,只能解决上述要求中计算问题,无法满足时延要求,导致车辆服务质量(Quality of Service,Qo S)未得到明显改善。而移动边缘计算(Mobile Edge Computing,MEC)服务器常常部署在路边单元(Road Side Unit,RSU)或5G(5th-Generation,5G)基站上,可以很好地弥补云计算时延高的不足。在基于MEC的车联网中,当车辆卸载自身计算任务时,车辆自身的任务量大小、任务优先级、路边基础设施的可用资源和路边基础设施是否损坏等因素都会影响车辆计算卸载对象选择,选择不当的卸载对象,会存在车辆能耗、成本和时延增加等问题。针对卸载对象选择问题,本文提出了以下两种策略:(1)在城市交通中,路边基础设施一般而言是完好的,车辆可以将自身计算任务卸载路边基础设施。本文提出了一种基于车辆任务优先级的多指标下的MEC服务器选择策略。在问题建模时,本文策略基于802.11P的通信协议,同时引入任务优先级,并在车辆排队等待卸载计算任务至RSU过程中,采用最优拍卖机制,使车辆收益与RSU收益之间实现纳什均衡,使车辆能够选择最合适的卸载对象。仿真结果表明,该方案能在保障车辆Qo S的基础上,降低任务卸载的总费用、总时延与总能耗,满足多重性能指标。(2)当车辆行驶在山区道路中,因自然灾害损坏路边基础设施并且人员被困时,用户无法通过路边基础设施与外界通信,而无人机(Unmanned Aerial Vehicle,UAV)由于灵活的部署能力与机动性能够临时充当MEC服务器的角色。本文提出了一种基于UAV的加权能耗最小化的计算速率最大化方案。在该方案中,UAV拥有无线供电能力,用户消耗的能量均来自设备采集到的能量。通过联合优化UAV轨迹、CPU频率与发射功率对用户与UAV的能耗加权和进行优化,并在给定轨迹下,求解出部分卸载模式与二进制模式下用户设备最佳的CPU频率和发射功率,并求得二进制模式下,用户计算任务最佳卸载策略。仿真表明,在本文所提方案下求解所得轨迹的资源分配方案更优,收敛更快。

关键词：车联网移动边缘计算计算任务卸载 UAV

来源：评论

学校读者我要写书评

暂无评论

基于网络切片下的车联网无线资源分配策略研究

基于网络切片下的车联网无线资源分配策略研究

引用

作者：龙银江北京邮电大学

学位级别：硕士

随着城市化社会与国民经济的进一步发展,汽车保有量将持续不断地提升,如何有效地提高交通安全与管理效率已成为一个亟待解决的基础性难题。智能交通系统(Intelligent Transportation System,ITS)被视为解决这一问题的关键技术,旨在将计... 详细信息

随着城市化社会与国民经济的进一步发展,汽车保有量将持续不断地提升,如何有效地提高交通安全与管理效率已成为一个亟待解决的基础性难题。智能交通系统(Intelligent Transportation System,ITS)被视为解决这一问题的关键技术,旨在将计算机网络技术、传感器网络技术和信息通信技术等技术综合融入到交通领域来加强驾驶者、车辆和道路之间的信息交互。车联网(Vehicle-to-Everything,V2X)作为实现新一代智能交通系统的重要组成部分,车辆通过装备车载单元(On-board Unit,OBU)来实现车与车通信(Vehicle-to-Vehicle,V2V)、车与路边基础设施通信(Vehicle-to-Infrastructure,V2I)和车与基站通信(Vehicle-to-Networks,V2N)等全方位连接,是新一代信息科学技术的重要应用场景之一。在车联网无线资源管理与分配研究中,主要包含有资源选择碰撞避免、功率控制和资源共享等问题。然而,为了满足日益增长的车联网业务性能需求,移动边缘计算(Mobile Edge Computing,MEC)、云计算(Cloud Computing)、大数据等现代信息技术被广泛引入到了车联网中,多种资源之间紧密耦合关系,单一资源分配难以在系统性能上取得突破,多种资源联合分配是资源管理与分配的必然趋势。除此之外,海量的车联网业务量又对服务质量(Quality of Service,QoS)提出了多样性和差异性需求,如果采用服务单一的传统物理组网方式提供服务,则容易造成硬件成本高、网络运维难度大等系列问题,迫切需要新技术给予解决。针对以上问题,本文对车联网计算任务卸载和内容缓存与分发问题进行研究,主要工作内容如下:1.针对计算任务部分卸载问题,本文将网络切片技术引入到V2I上行链路中,以降低系统车辆计算任务卸载处理时延为目标,提出了一种改进的遗传算法。该算法通过选择同种个体中的同类型基因作为交叉和变异操作对象,从而有效地保证同种资源数量的不变性。仿真结果表明,本文所提算法具有良好的系统性能,且收敛速度较快。2.针对内容缓存与分发问题,本文将网络切片技术引入到V2I下行链路中,并提出了一种联合通信资源、缓存资源和文件放置选择算法。该算法以降低系统车辆下载文件平均时延为目标,通过将优化目标函数拆解为通信资源优化子问题和缓存资源与文件放置选择优化子问题进行单独求解,再通过两步迭代算法得出优化目标的次优解。仿真结果表明,本文所提算法可以有效地保证不同文件的差异化服务质量要求问题,且系统平均时延低于两个常用算法,具有良好的系统性能。

关键词：车联网网络切片资源分配计算任务卸载内容缓存与分发

来源：评论

学校读者我要写书评

暂无评论

MEC中资源动态分配的任务卸载优化策略研究

MEC中资源动态分配的任务卸载优化策略研究

引用

作者：赵宇涵东华大学

学位级别：硕士

进入二十一世纪以来,移动通信技术飞速发展,各种计算密集型应用不断涌现,如AR/VR、视频流处理等,传统的云计算模式在处理此类应用时,造成了较大的时延和能量消耗。为了降低计算任务处理时延和能量消耗,业界提出了移动边缘计算(Mobile Ed... 详细信息

进入二十一世纪以来,移动通信技术飞速发展,各种计算密集型应用不断涌现,如AR/VR、视频流处理等,传统的云计算模式在处理此类应用时,造成了较大的时延和能量消耗。为了降低计算任务处理时延和能量消耗,业界提出了移动边缘计算(Mobile Edge Computing,MEC)来解决上述问题。MEC模式把CPU资源、磁盘资源和互联网资源等分配到处于互联网边缘的MEC服务器中,为移动终端提供服务。由于MEC服务器处在网络的边缘位置,离用户更近,能够有效地减少计算任务的传输距离,从而达到降低计算任务传输时延的目的。同时为CPU和内存容量较低的设备提供CPU算力等资源,进一步减少计算任务的计算时间和本地设备的能量消耗。所以,在MEC系统中,一个高效的任务卸载机制可以显著地降低任务计算时间和能耗,其中,一个高效的任务卸载算法是增强MEC系统性能的重要保障。本文重点研究了如何为MEC系统设计一个高效的计算卸载策略以提高MEC系统工作效率,并分别针对MEC中的不同场景设计了高性能的计算卸载策略。(1)基于DRL的计算任务卸载策略和资源分配策略针对多终端设备和单MEC服务器的场景,设计了一种基于部分可观测马尔可夫决策过程的计算卸载策略。在该场景中,每个终端设备作为一个智能体,独立地选择自身的任务卸载策略。其中,不但考虑了任务卸载比例对任务卸载模型性能的影响,还研究了终端设备之间的信息共享模型对计算卸载策略性能的影响。最后,将该问题建模为一个基于A2C的模型,设计了DRL算法——DAR-AC,通过仿真验证了DAR-AC的正确性与有效性。并且,与其他已经提出的卸载算法进行了对比,对比结果显示DAR-AC能够有效地降低移动设备计算任务的计算时间和能耗。除此之外,DAR-AC能够在环境发生改变的同时通过自由探索策略空间改进自身的性能。(2)基于随机博弈的计算任务卸载策略和资源分配策略针对多终端设备之间的资源竞争策略,设计了一个基于随机博弈的计算卸载模型,并综合研究了MEC系统中的资源分配策略对计算卸载策略性能的影响。最后,基于随机博弈中的多智能体强化学习方法,设计了SGAR算法解决这两个问题。通过编码仿真验证了SGAR的有效性,并将其性能表现与其他两种基准算法进行了对比。对比结果表明,相对于only-edge和only-local,SGAR的任务处理时延和能量消耗更低,并且能在有限步数内达到纳什均衡,提高了MEC系统整体的性能表现。

关键词：移动边缘计算计算任务卸载资源动态分配深度强化学习随机博弈

来源：评论

学校读者我要写书评

暂无评论

基于数字孪生的车联边缘计算卸载机制研究

基于数字孪生的车联边缘计算卸载机制研究

引用

作者：陈子康电子科技大学

学位级别：硕士

随着智慧网络的发展和智能车辆的普及,在车载软件应用领域涌现了大量的新型业务,例如图像识别、数据加密、现实增强和高清地图等,传统的云计算网络受限于服务设备与终端设备的通信距离,无法满足车联网应用低时延和高可靠的服务需求。移... 详细信息

随着智慧网络的发展和智能车辆的普及,在车载软件应用领域涌现了大量的新型业务,例如图像识别、数据加密、现实增强和高清地图等,传统的云计算网络受限于服务设备与终端设备的通信距离,无法满足车联网应用低时延和高可靠的服务需求。移动边缘计算(Mobile Edge Computing,MEC)技术将服务设备下沉到更加贴近用户层的边缘网络中,加快了任务响应速度。而伴随智能网联车技术的发展,计算/存储等服务的部署进一步延伸至车辆和路旁系统,逐渐形成车联边缘计算(Vehicular Edge Computing,VEC)技术,为车辆和交通基础设施提供更快速、更低延迟的数据处理和决策支持。然而,车辆移动性将引发网络拓扑结构的快速变化,特别是对车-车(Vehicle-to-Vehicle,V2V)通信链路连通性和传输速率的影响,而车辆通信链路中断会导致计算任务响应超时等问题,影响VEC网络中计算任务卸载的可靠性和服务质量。另一方面,由于车辆在路网上行驶,其移动性受到周围车辆以及交通信号的影响,具有一定的可预测性。因此,本文针对如何评估车辆行驶的不确定性,如何构建能够充分感知车辆行驶不确定性并制定具有前瞻性的计算卸载策略上,进行了以下研究。在应对车辆移动性导致服务中断和任务卸载失败概率的增加这一挑战上,本文提出了一种基于驾驶行为特征的车辆跟驰模型,用以推演车辆在有前车跟随情况下的移动轨迹,并基于模拟轨迹指导计算卸载策略的制定,设计了一套车辆跟驰模型辅助下的多用户计算卸载(Task Offloading based on Vehicle Following Model,OVF)策略。车辆跟驰模型会基于不同驾驶员的行为特征,估计驾驶时期望速度、自由加速度、期望车距等关键特征参数,迭代求解未来多步的跟随轨迹;进一步,基于车辆跟驰模型的预测轨迹,预估通信链路的可用性从而判断任务结果的回传模式,为计算任务的响应时延估计提供指导信息;最后构建了以最小化系统时延为目标的最优化问题,通过强化学习中基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法进行求解,仿真证明,跟驰模型辅助下的卸载策略充分考虑了由于车辆移动性引起的传输速率变化,相比于没有跟驰模型辅助的卸载策略,提高了V2V信道的利用率,降低了系统任务响应的平均时延。另外,考虑到由于车辆跟驰模型只适用于跟车场景中,无法照顾到车辆变道、超车和转向等行为这一局限,进一步构建了精度更高的车辆数字孪生模型,设计了由时空编码器和状态共享机制下的解码器组成的车辆轨迹预测模型,对时间上车辆的历史轨迹和空间上车辆周边的交通地图进行双维度下的特征提取,并综合社交范围内的不同车辆的编码特征,在时间上进行进行状态共享,影响彼此的运动轨迹,完成车辆行驶状态的推演和通信链路可用性状态的评估;进一步,考虑到车辆数字孪生体状态推演的时间长度较短,无法覆盖任务执行的全生命周期这一挑战,本文引入了更加复杂的依赖任务模型,将任务拆分成有依赖关系的子任务,细化任务执行的颗粒度,保证数字孪生体的推演范围能够覆盖子任务的整个生存周期,从而高保真的仿真得到任务执行的时延。论文设计了基于数字孪生辅助的依赖任务卸载(Task Offloading based on Vehicle Digital Twin,OVDT)算法,仿真表明所提算法有效降低了系统的卸载时延。

关键词：车联边缘网络数字孪生车辆轨迹预测依赖型任务计算任务卸载

来源：评论

学校读者我要写书评

暂无评论

面向车联网的移动边缘计算卸载策略研究

面向车联网的移动边缘计算卸载策略研究

引用

作者：吕洁娜重庆邮电大学

学位级别：硕士

车联网中资源受限的车载终端设备难以满足新型车载应用对资源和时延等方面的需求,为此将移动边缘计算(Mobile Edge Computing,MEC)技术引入到车联网。MEC通过在网络边缘部署和提供应用服务环境与云计算能力,满足车载终端设备计算能力的... 详细信息

车联网中资源受限的车载终端设备难以满足新型车载应用对资源和时延等方面的需求,为此将移动边缘计算(Mobile Edge Computing,MEC)技术引入到车联网。MEC通过在网络边缘部署和提供应用服务环境与云计算能力,满足车载终端设备计算能力的扩展需求以及缩短车载应用处理时延。然而,MEC有限的计算能力、MEC卸载系统的成本问题以及车联网环境的复杂性严重影响任务卸载到网络边缘处理的性能。本文对面向车联网的移动边缘计算卸载策略进行研究,重点探讨了车联网中的计算任务卸载问题。论文的主要工作有以下两个方面:1.针对资源受限的车载终端设备难以满足短时间内处理大量新型车载应用的需求,以及在复杂多变的车联网环境中卸载节点的动态变化特性造成任务候选卸载节点的不确定性问题,提出一种基于强化学习的车联网边缘计算卸载策略。该策略首先结合设备链接时间与通信半径等因素制定卸载节点发现机制;其次,联合任务处理时延与成本建立效用函数,并将任务卸载和计算资源分配问题转化为优化系统效用的问题;最后,基于卸载节点发现机制和强化学习方法提出一种智能节点选择卸载算法以实现任务的智能卸载以及计算资源的合理分配。实验结果表明,在车联网城市街道场景中,提出的卸载策略可实现较高的系统效用。2.针对具有人行道的单向直行道路场景中,车辆移动性导致任务卸载传输不连续以及车联网环境复杂多变与具有数据依赖性的卸载任务影响卸载性能的问题,提出一种车联网中保持卸载连续性的边缘计算卸载策略。该策略首先根据计算任务类型及其相关的模块数据依赖图,采用广度优先算法和经验确定任务单元的数据量大小;其次,将计算任务切分为多个具有同等数据量的任务单元,再根据各个小区的环境条件与限制来确定预分配给小区的任务单元数;最后,以最小化完成计算任务的总成本为目标对计算任务进行卸载。实验结果表明,所提出的边缘计算卸载策略在成本效率方面具有良好的性能表现。

关键词：车联网移动边缘计算计算任务卸载计算资源分配

来源：评论

学校读者我要写书评

暂无评论

基于MapReduce编程模型的Fortran代码重构

基于MapReduce编程模型的Fortran代码重构

引用

作者：吴晗内蒙古大学

学位级别：硕士

Fortran语言一直被广泛用于解决科学和工程中的计算密集型问题。由于多核架构的出现,追求Fortran的并行性成为科学计算领域中的一个重要目标。然而在大数据时代,多核架构由于计算资源不足和可扩展性差,导致多核并行后的Fortran程序仍然... 详细信息

Fortran语言一直被广泛用于解决科学和工程中的计算密集型问题。由于多核架构的出现,追求Fortran的并行性成为科学计算领域中的一个重要目标。然而在大数据时代,多核架构由于计算资源不足和可扩展性差,导致多核并行后的Fortran程序仍然无法适应数据的爆炸式增长。云计算作为一种商业计算模型,不仅具有丰富的集群计算资源,而且具有理想的灵活性和可伸缩性,这为解决多核并行领域中计算资源不足等相关研究问题提供了可行的办法。Map Reduce是支撑云计算并行处理海量数据的有效编程模型,Spark平台是Map Reduce的高效实现,将可并行化的Fortran代码映射到Spark平台是一项有意义的工作,同时考虑到映射过程中存在云编程复杂等问题,因此,本文提出了一种面向Sp ark集群的Fortran代码自动重构及卸载方案。本文工作主要包括以下几个方面:(1)提出将Fortran代码重构为SparkMap Reduce代码的方案。首先将源代码转换为中间代码,以收集程序的语义信息。然后基于Map Reduce编程模型的并行模式,提出并行化重构方法,实现中间代码向Spark-Map Reduce代码的重构。重构的目标代码包括两部分,一是根据提出的重构方法将可并行循环重构为map函数和reduce函数,二是定义Spar k作业应用程序模板,并指出其中需要在重构过程中填充的部分,为可并行循环计算任务生成匹配的Spark作业应用程序。(2)提出计算任务卸载到Spark集群的方案。设计一个能够与Spark集群直接交互的卸载函数库,并通过Open MP卸载模型,自动生成对卸载函数库的调用,卸载计算任务。在该方案中,还通过扩展Open MP指令的使用,实现了分布式数据分区,减少了Spark内移动数据的开销。(3)在LLVM编译系统中实现了本文提出的重构及卸载方案,并开发了可视化前端。在实验中使用Poly Bench/Fortran基准测试程序集对方案的可行性进行测试,并通过与多线程Open MP并行化技术的比较来评估方案的性能。实验结果表明,本文所提方案可以有效地将运行在本地计算机上的Fortran代码自动映射到Spark集群,该方案在LLVM编译系统中的实现可以提高原有业务的执行效率。

关键词： Fortran MapReduce 代码重构计算任务卸载

来源：评论

学校读者我要写书评

暂无评论

D2D网络中基于匹配理论的多用户计算资源协作分配算法研究

D2D网络中基于匹配理论的多用户计算资源协作分配算法研究

引用

作者：周亚中国矿业大学

学位级别：硕士

无线通信技术与移动互联网的高速发展和日益普及,催生了众多新型计算密集型应用的出现,如增强现实、虚拟现实等,完成这些应用需要强大的计算能力并消耗大量的能量。由于移动终端受自身计算资源及电池容量等方面的限制,无法满足新兴应用... 详细信息

无线通信技术与移动互联网的高速发展和日益普及,催生了众多新型计算密集型应用的出现,如增强现实、虚拟现实等,完成这些应用需要强大的计算能力并消耗大量的能量。由于移动终端受自身计算资源及电池容量等方面的限制,无法满足新兴应用对计算能力的要求。云计算允许用户将计算任务迁移到云端执行,增强了移动应用的响应速度,并且提高了用户设备的续航,但是由于传输距离较远,增加了额外的网络传输延迟。端到端(Device-to-Device,D2D)通信技术允许用户设备建立直接通信链路,具有低通信延迟以及低能耗的优势。使用D2D通信技术辅助相邻近的多用户终端共享计算资源,可以提高用户设备的计算能力,并降低网络的整体能耗。本文研究协作计算系统中多用户设备的关联关系和计算任务的卸载策略,主要贡献如下:1)研究了如何通过多用户设备协作计算降低设备能耗的问题。在不区分用户设备角色的条件下,系统中的用户设备可以自组织的建立协作关系,以协作集合中的用户设备数量为约束,通过优化用户设备计算任务的卸载量,最小化所有用户设备的总能耗。本文将上述优化问题分解为三个子问题,即确定用户设备角色问题、优化用户设备间的关联关系问题和优化计算任务卸载量问题。首先提出了基于稳定室友问题的匹配算法以区分用户设备角色,将原有的用户设备划分为三个不相交的集合;接下来将用户设备的关联关系问题映射为大学申请问题,设计了基于Gale-Shapley的算法用于优化关联关系,根据得到的匹配结果,将用户设备划分为多个协作集合;最后,通过优化每个协作集合中用户设备的计算任务卸载量,即可得到原问题的近似解。本文设计了一种遗传算法优化用户设备计算任务的卸载量,经过多次迭代,可以获得一个高质量的解。仿真结果表明,在系统中含有较多用户设备,中轻量计算任务的前提下,本文所提算法与所有用户设备完全本地计算相比,能够减少25%左右的系统能耗。2)研究了自组织协作计算系统中用户设备间的关联关系问题和计算任务卸载量优化问题。由于用户设备存在携能瓶颈,剩余电量不足以为其他用户设备提供协作计算服务,因此,本文以协作计算组中的用户设备数和用户设备的剩余能量为约束,联合优化用户设备间的关联关系和计算任务卸载量,从而实现最小化所有用户设备总能耗的目标。由于所建立的优化问题是一个混合整数非线性规划问题,无法直接使用现有的算法进行求解。本文将优化问题解耦为两个子问题,即优化用户设备间关联关系问题和优化计算任务卸载量问题。在优化用户设备间关联关系时,从系统能耗的角度,建立了各个用户设备的效用函数,从而激励用户设备参与协作计算,首先使用Gale-Shapley算法进行求解,而Gale-Shapley算法获得的匹配结果只能达到弱帕累托最优状态,因此又提出一种旋转交换算法,对Gale-Shapley算法的匹配结果进行帕累托改进,在不损害其他用户设备效用的前提下,提升部分用户设备的效用,进而提升系统的性能。同时,提出一种基于连续凸逼近的非凸优化算法求解协作集合中用户设备计算任务卸载量,可以在有限次的迭代后获得稳定的优化结果。仿真结果表明,在相同的应用场景下,帕累托改进的关联关系将系统性能提升了15%左右。

关键词：移动边缘计算协作计算计算任务卸载匹配算法帕累托改进

来源：评论

学校读者我要写书评

暂无评论

车联网下基于雾架构的业务卸载资源调度研究

车联网下基于雾架构的业务卸载资源调度研究

引用

作者：陈焱电子科技大学

学位级别：硕士

车联网的发展备受关注,新的业务需求以及新的技术正融入到车联网中来。随着信息技术的发展带来数据量急速增长,同时也伴随着对计算需求的不断增加,云计算、边缘计算以及雾计算等多种计算方式被提出。现有汽车配备了具有计算能力的车载设... 详细信息

车联网的发展备受关注,新的业务需求以及新的技术正融入到车联网中来。随着信息技术的发展带来数据量急速增长,同时也伴随着对计算需求的不断增加,云计算、边缘计算以及雾计算等多种计算方式被提出。现有汽车配备了具有计算能力的车载设备,并且由于汽车数量众多,其蕴藏了大量可用计算资源,车辆雾计算的理念成为研究的一个重要方向。本文就在车辆雾计算理念下,设计了两种为不同对象提供业务卸载服务的卸载方案以及调度算法。以间断性连接车联网场景中的车辆为服务对象,针对其在获取需计算处理的大型业务耗时长的问题,本文在现有研究基础上设计了一种多车协同的业务卸载方案以及资源调度算法。在此场景下,通过利用其他汽车的资源为目标车辆提供服务,达到降低耗时的目的。但由于车辆的存储空间、计算能力有限,当业务量较大时需要多个车辆参与。不过,基于WAVE协议的V2V通信存在干扰问题,多车协同时干扰将极大影响卸载效率,且由于车辆速度较快,V2V通信可持续时间较短,因而需要合理选择参与协同卸载的车辆。为解决在此协同卸载方案下的资源调度问题,本文设计了一种基于动态规划的单车及多车业务卸载资源调度算法,可合理选择车辆参与协同卸载,降低目的车辆获取完整业务的耗时。以城市IoT(Internet of Things)设备为服务对象,针对城市车联网场景下车载计算资源丰富但难以利用的问题,本文设计了一种以公交车作为雾计算中心节点的计算任务卸载方案及任务调度算法。城市中可利用车载资源分散,以公交车作为中心集中部分资源,利用V2V通信组建起计算能力更强大的雾计算节点,可有效缓解日益增多的城市IoT设备对计算资源的需求。然而,由于公交车V2V通信覆盖范围有限,车辆动态出入导致整个雾计算节点算力变化频繁;同时,城市里电波传播环境复杂,公交车与基站间的传输速率也处于波动之中。因此,在进行计算任务分配时若仅局限于当下的雾计算节点算力和信道状况,很可能无法获得较短的任务处理耗时。为了刻画汽车运动造成的算力波动,本文基于实际数据对汽车在公交车通信范围内的驻留时间进行拟合,并据此建立算力波动模型;为了适应算力和传输速率波动,本文改进了MCTS(Monte Carol Tree Search)算法,通过对未来一段时间的状态预估,使其做出合理的任务调度动作,可有效缩短任务的处理耗时。

关键词：车联网车辆雾计算间断性连接车联网计算任务卸载业务卸载计算任务调度

来源：评论

学校读者我要写书评

暂无评论

兼顾隐私的移动边缘计算卸载策略的研究

兼顾隐私的移动边缘计算卸载策略的研究

引用

作者：潘雨婷太原理工大学

学位级别：硕士

为解决移动端设备低时延、低能耗等服务需求,移动边缘计算(Mobile Edge Computing,MEC)的应用趋势逐步增大。作为移动边缘计算的关键技术之一,计算任务卸载旨在将复杂型应用程序迁移到边缘服务器端运行,解决移动端存储、计算等资源及性... 详细信息

为解决移动端设备低时延、低能耗等服务需求,移动边缘计算(Mobile Edge Computing,MEC)的应用趋势逐步增大。作为移动边缘计算的关键技术之一,计算任务卸载旨在将复杂型应用程序迁移到边缘服务器端运行,解决移动端存储、计算等资源及性能不足的问题,在实现数据传输实时性、计算任务低能耗性等方面体现出较高性能。但由于网络环境的开放性,计算任务卸载会对用户个人隐私及安全性造成一定的威胁。现有文献对于MEC系统卸载决策过程中进行隐私保护的研究比较有限,因此如何利用计算卸载技术既降低任务时延与能耗又能一定程度保障移动端设备的隐私问题,是当前卸载技术中亟待解决的关键问题之一。在综合研究并分析计算任务卸载和隐私保护的国内外现状后,本文针对多用户单服务器和多用户多服务器两种情况,围绕卸载过程中的高效传输、用户隐私及安全等问题,研究并提出兼顾隐私及安全的计算卸载策略,论文主要工作如下。首先,在多用户单服务器场景下,针对移动端用户在开放环境中所能接受的隐私信息泄露的最大值不同,提出一种兼顾隐私容忍度的移动边缘计算卸载策略。在考虑时延、能耗的传统卸载决策模型中引入隐私容忍度,针对服务器端计算资源有限的特点制定定价模型,同时结合移动端和边缘端的相关参数建立效益函数矩阵,用基于博弈论相关知识对建立的数学模型进行求解,在降低服务器端的部分计算与存储压力的同时,一定程度上保护移动端设备的隐私。仿真实验表明所提出的隐私保护策略在降低移动端时延与能耗的基础上,能够在一定程度上保护用户的隐私。其次,在多用户多服务器场景下,针对移动端用户卸载频率不同会导致身份被锁定的问题,提出一种基于用户卸载频率的卸载策略。该策略量化移动端用户计算任务的隐私卸载量,引入假任务机制来保护用户实际卸载数量,建立考虑时延与隐私约束的能耗数学模型,通过改进的粒子群优化算法对该模型进行最优化求解,使得不同用户在边缘服务器端的累积隐私量维持在阈值内,降低隐私泄露风险的同时,提高卸载效率。仿真实验表明,与未考虑隐私方案的卸载策略相比,在移动端用户可接受范围内,虽然系统整体能耗有一定的增大,但在保证任务传输实时性的同时,削弱了攻击者对用户身份判定的准确性,起到一定的隐私保护作用。

关键词：移动边缘计算计算任务卸载隐私保护隐私容忍度粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

基于车辆轨迹预测的卸载任务迁移与异构资源管理策略研究

基于车辆轨迹预测的卸载任务迁移与异构资源管理策略研究

引用

作者：万培浩电子科技大学

学位级别：硕士

近年来,随着无线通信网络技术的发展,涌现出大量新型无线移动业务,比如增强现实、图像识别、高清地图和在线游戏等,对无线网络通信以及网络的计算和存储能力提出了需求。移动边缘计算(Mobile Edge Computing,MEC)技术将计算处理下沉到... 详细信息

近年来,随着无线通信网络技术的发展,涌现出大量新型无线移动业务,比如增强现实、图像识别、高清地图和在线游戏等,对无线网络通信以及网络的计算和存储能力提出了需求。移动边缘计算(Mobile Edge Computing,MEC)技术将计算处理下沉到边缘节点(Edge Node,EN),通过靠近用户设备提供计算服务。然而,对于车联网场景,EN有限的计算资源往往无法在时延约束内完全满足车辆的卸载要求,车辆边缘计算(Vehicular Edge Computing,VEC)技术应运而生。应用VEC解决车辆任务卸载和资源管理问题仍然存在多项挑战。首先,由于车辆高速移动性以及EN覆盖范围有限性,导致行驶车辆在较短时间内跨越多个EN覆盖区域,而在EN间频繁的切换会出现无线通信质量下降、车辆任务中断等问题。最近有研究者提出将EN互连形成边缘计算卸载网络,将车辆卸载任务迁移到新的EN进行任务计算,以应对车辆在行驶过程中的任务需求。然而由于车辆在路网中行驶的不确定性,难以制定最优的卸载任务迁移策略,来控制任务迁移成本和提高服务质量;并且由于车辆计算需求以及EN所处环境的差异,路网中多车辆卸载任务在EN间的迁移高度耦合,如何实现分布式卸载任务的协作迁移面临挑战。此外,在路网中车辆卸载需求呈现出时间和空间动态变化的特性,而相应路段EN计算能力相对固定,不能与之适配。针对上述挑战,论文聚焦在基于EN边缘计算卸载网络的车辆任务卸载、车辆任务迁移、异构资源管理的联合优化问题,主要研究内容分两部分:(1)针对车辆行驶轨迹不确定性对任务迁移计算带来的影响,论文应用机器学习技术预测了车辆与时间相关的移动轨迹,作为EN间卸载任务迁移的决策依据;在此基础上,进一步设计了车辆卸载任务迁移和异构资源分配联合优化策略。该策略考虑了任务迁移目标、信道带宽和计算资源的约束条件,通过调整车辆卸载任务迁移和异构资源分配的决策变量,以实现权衡车辆任务处理时延和能耗的联合优化目标。针对上述优化问题,论文设计了一个基于多智能体深度确定性策略梯度(Multi-agent Deep Deterministic Policy Gradient,MADDPG)的车辆任务迁移决策和异构资源分配算法。由仿真实验结果表明,所提算法能够更有效地降低车辆任务平均处理时延和能耗。(2)针对车辆计算卸载任务在路网上时空分布不均的问题,论文通过应用机器学习技术对路网中各路段车辆卸载需求进行预测,并利用云无线接入网络(Cloud Radio Access Network,C-RAN)技术,设计了云边协同下的车辆任务卸载和异构资源管理策略。该策略考虑了云端带宽池、通信带宽、计算效率和任务完成时间的约束条件,通过调整C-RAN带宽分配、通信带宽分配和车辆任务卸载的决策变量,以实现最小化系统能耗的联合优化目标。论文将该问题进一步转化成一个双时间尺度马尔可夫决策过程(Double Time-scale Markov Decision Process,DTSMDP)。在大时间尺度上,对各路段的车流量进行预测,通过C-RAN技术对EN进行带宽调度;在小时间尺度上,系统分配任务传输带宽以及对车辆任务卸载做出决策。为求解该优化问题,论文设计了一个基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的任务卸载决策和异构资源管理算法。经仿真实验分析,所提算法满足车辆任务时延要求,并且降低了系统能耗。

关键词：车辆边缘计算车辆移动预测计算任务卸载协作式任务迁移异构资源管理

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共5页 << < 1 2 3 4 5 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：