检索结果-南通市图书馆

检索条件"主题词=李亚普洛夫优化"

共 3 条记录，以下是1-10 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：

边缘计算中联合任务卸载与资源管理的能耗优化研究

边缘计算中联合任务卸载与资源管理的能耗优化研究

引用

作者：岳钰四川农业大学

学位级别：硕士

随着物联网技术和5G移动通信技术的持续快速发展,网络数据量呈爆炸式增加,对智能设备的性能提出巨大挑战,有限的计算资源难以满足数据处理要求。边缘计算作为一种新兴的计算模式能有效解决当前问题,但智能设备有限的电池容量限制了边缘... 详细信息

随着物联网技术和5G移动通信技术的持续快速发展,网络数据量呈爆炸式增加,对智能设备的性能提出巨大挑战,有限的计算资源难以满足数据处理要求。边缘计算作为一种新兴的计算模式能有效解决当前问题,但智能设备有限的电池容量限制了边缘计算的应用范围与效果,设备短暂的待机时间也会严重影响用户的使用体验。保证设备续航能力,降低设备能耗则是目前边缘计算中的重要研究内容。本文对智能设备在边缘计算下的能耗优化问题进行了深入研究,包括在密集型任务与延迟敏感型任务的不同场景下通过任务卸载策略和资源配置实现能耗优化。主要工作如下:(1)阐述研究背景与意义,分析了当前边缘计算能耗优化的国内外研究现状。本文针对密集型和延迟敏感型计算任务特点,分别考虑系统队列长度和任务延迟约束,提出了多用户多服务器模型以及边缘云协同计算模型,并对模型进行数学建模和分析。(2)本文针对密集型计算任务的场景,提出了一种以队列稳定性为性能指标的能耗优化算法,该算法基于李亚普洛夫优化,针对每一个用户综合考虑当前时隙的队列长度、计算资源等执行任务卸载,保证队列稳定的前提下在每个时隙内求解子问题得到传输功率与计算频率,通过设置步长调节参数得到在不同权重下用户的最小能耗。实验表明该算法在原有基础上可降低用户约39%的能耗。改变计算模式为边缘云协同计算的方式则可降低用户约55%的能耗。(3)本文针对延迟敏感型计算任务的场景,考虑任务的延迟约束提出了拉格朗日迭代优化算法,通过对任务卸载的阶段分析和建模得到联合本地计算比率、传输功率与计算资源的最小能耗优化问题,利用KKT条件和对本地计算比率的迭代计算得到该非凸函数的最优解。对延迟敏感型任务需要考虑延迟约束,提出两种机制提升该算法获得全局最优解的能力,使其在更低能耗水平下保证更多的任务在延迟约束下完成任务卸载,通过与两种启发式算法的仿真实验结果对比,改进算法在降低最大计算复杂度的基础上降低了设备15.5%的能耗,并大幅度的减少了程序运行时间。

关键词：边缘计算任务卸载李亚普洛夫优化拉格朗日乘子法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘计算中的智能超频与动态任务卸载研究

边缘计算中的智能超频与动态任务卸载研究

引用

作者：熊振华武汉理工大学

学位级别：硕士

随着智能终端设备数量的爆炸式增长,通过网络传输的数据量越来越巨大,这对骨干网和中央云基础架构造成了巨大的压力。同时,高能耗和低时延新兴应用的不断涌现,对用户设备的性能要求越来越高。缓解网络压力并提高用户设备的性能是亟待解... 详细信息

随着智能终端设备数量的爆炸式增长,通过网络传输的数据量越来越巨大,这对骨干网和中央云基础架构造成了巨大的压力。同时,高能耗和低时延新兴应用的不断涌现,对用户设备的性能要求越来越高。缓解网络压力并提高用户设备的性能是亟待解决的网络难题之一。由于用户设备发展的趋势是轻薄便捷,提高其计算能力和续航能力是具有挑战性的,所以研究新的网络架构是解决这一网络难题的最佳途径之一。移动边缘计算(Mobile edge computing,MEC)是近年来被认为最有前景的网络范例之一,它支持用户将任务卸载到边缘云执行。MEC的核心技术之一是计算卸载,它与系统的效用息息相关。如何搭建更智能的MEC网络和设计更优化的计算卸载方案是当前非常值得研究的问题。针对MEC系统的能耗优化问题,本文主要研究了单时隙和多时隙中MEC系统的计算卸载方案,主要工作如下:(1)单时隙中的智能超频MEC系统计算卸载研究。从服务器层面考虑了一种智能超频MEC系统,其超频机制可以让服务器在工作时拥有额外的计算能力。针对该系统模型,本文提出了一个联合管理任务卸载,服务器资源分配和超频的优化方案,以最大程度地降低系统的计算开销。针对该方案建立数学模型,分析得出该模型问题是一个混合整数非线性规划问题。为了解决该问题,本文把其分为三个子问题:卸载决策,资源分配和超频决策。然后使用非凸技术解决了这些子问题,并提供了一种迭代算法(JOOC)来获取原始问题的启发式解决方案。最后,仿真结果表明,该算法优于三种基准算法,且与普通MEC系统相比,智能超频MEC系统具有更低的系统计算开销,更快的任务处理效率以及更高的任务卸载率。(2)多时隙中的动态任务卸载研究。在智能超频MEC系统模型的基础上,研究了多时隙情况下,任务卸载的相关问题。本文特别地考虑了用户分级模型以更加贴近现实场景。针对该系统模型,本文基于李亚普洛夫优化框架提出了一个权衡系统效用和队列积压的优化问题。为了解决该优化问题,本文把原始问题分成了三个子问题:卸载决策,联合优化资源分配和卸载数据,超频决策。特别地,针对第二个子问题提出了一个迭代算法(JOCD)来求得其可行解,然后根据JOOC算法框架求得原始问题的启发式解决方案。仿真结果表明了该算法的优越性,并能直观的体现系统效用和队列积压之间的权衡关系。

关键词：智能超频移动边缘计算计算卸载动态任务卸载李亚普洛夫优化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘计算下服务缓存部署与请求调度的研究

边缘计算下服务缓存部署与请求调度的研究

引用

作者：雷正伟中国科学技术大学

学位级别：硕士

随着物联网与无线通信技术的发展,传统的云计算已经无法满足一些新兴应用对于低延迟的要求,同时将海量的终端数据交给远程云进行处理也给核心网络带来了巨大的通信压力。作为一种新的计算范式,边缘计算为上述挑战提供了潜在的解决方案... 详细信息

随着物联网与无线通信技术的发展,传统的云计算已经无法满足一些新兴应用对于低延迟的要求,同时将海量的终端数据交给远程云进行处理也给核心网络带来了巨大的通信压力。作为一种新的计算范式,边缘计算为上述挑战提供了潜在的解决方案。边缘计算通过在网络边缘处分布式地部署存储、计算与网络资源,从而就近地为用户提供计算服务。基于边缘计算分布式资源部署的特点,为其寻求合理的资源分配与请求调度方案已经成为当前的研究热点。用户将计算任务卸载到边缘节点上,可以有效降低终端设备的能耗,并缩短任务的处理时间。已有的计算卸载工作默认所有类型的用户请求都能够在边缘节点上进行处理。然而,边缘节点上处理任务往往依赖于节点部署的服务。受存储容量的限制,边缘节点安装的服务缓存种类有限,因此需要结合服务部署考虑请求任务的迁移调度问题,本文从服务提供商收益和请求服务质量两个角度考虑了边缘计算下服务缓存部署与请求调度问题。在多服务提供商场景下,服务部署与请求调度策略直接关系到服务提供商的收益。为了提高边缘节点的服务命中率,多个服务提供商部署的边缘节点以协作的方式向用户提供服务。考虑到服务流行度的变化,边缘节点需要不断调整服务缓存以满足用户的服务请求。本文将带有长期服务替换代价约束的服务缓存部署与请求调度问题形式化为一个混合整数规划问题。由于缺乏长期的系统负载信息,该问题无法被离线解决。基于李亚普洛夫优化技术,长期优化问题被转化为一系列只需要当前时隙信息的实时优化问题,然后用一种对偶分解算法对实时优化问题进行迭代求解。本文从理论层面上对在线算法的性能进行了分析,仿真实验结果也显示提出的算法提高了 25%的收益。在边缘服务系统中,不同的用户请求对于延迟的敏感程度不同。由于单个边缘节点的资源十分有限,系统将一定区域内的边缘节点组成一个资源池,并通过统一的资源管理为用户提供服务,系统期望能够最小化所有任务的超时损失。为了解决这个问题,本文提出了有效的启发式算法。其中基于粒子群的服务部署算法降低了搜索服务部署方案的复杂度,而面向服务质量的请求调度算法则合理分配边缘节点上的负载,同时在节点的任务调度中优先处理响应时间要求高的请求。仿真实验结果表明,提出的算法降低了约28%的响应时间与40%的超时损失,并提高了 25%的服务满意度。

关键词：边缘计算服务缓存部署请求调度李亚普洛夫优化服务质量

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

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

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

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：