检索结果-南通市图书馆

作者：孔令政大连海事大学

学位级别：硕士

近几年来,海上的军事,贸易和科学研究等活动日趋频繁极大地促进了海上用户对提高海上网络效用的需求,但是面对海洋通信中变幻莫测的巨大干扰和海上设备难以维护的困境,在海上建立能满足需求的通信网络仍面临诸多挑战,而当务之急就是用... 详细信息

近几年来,海上的军事,贸易和科学研究等活动日趋频繁极大地促进了海上用户对提高海上网络效用的需求,但是面对海洋通信中变幻莫测的巨大干扰和海上设备难以维护的困境,在海上建立能满足需求的通信网络仍面临诸多挑战,而当务之急就是用户最关心的网络延迟问题和保证网络系统正常运行的能量问题。为了解决这两个问题,本文研究了一个基于李雅普诺夫优化并结合了休眠调度和机会传输的资源调度策略,以合理且高效的方案分配延迟容忍的海上无线网络中的资源,并使网络中的延迟与能耗达到平衡。为此,本文首先简单地建立了一个只关注数据传输的提前-滞后而忽略网络能耗的海上延迟容忍网络(delay tolerant networking,DTN),并通过算法验证了其合理性。其后,本文建立了相对复杂且详细的海上延迟容忍网络架构。在该网络中,一个架设在海上的DTN节点可以在其通信范围内,与通信船进行通信,该节点既可以发送数据给通信船,也可以接收来自通信船的数据。DTN节点的能量有限并可以从自然界采集可再生能量,但使该节点只能使用采集来的绿色能量。为了解决该问题,本文首先利用李雅普诺夫优化(Lyapunov optimization,LO)将这个问题转化为使能耗与延迟最小化的多目标优化问题。接着,为了进一步节省能量,本文结合了休眠调度和机会传输机制,提出了长期能耗最小化问题。为了解决该问题,本文基于LO制定了优化策略,在每一个时隙中使用凸优化算法计算出这个多目标问题理论上的最优解,并最终根据优化策略决定出符合系统实际情况的最优传输策略。本文提出的在线调度策略不需要提前知道关于未来要接收的数据和能量的信息。最后,数学分析和仿真结果都表明,本文提出的基于LO优化算法对于解决海上DTN网络中延迟与能耗的平衡问题有着令人满意的效果。

关键词：延迟容忍网络延迟与能耗均衡李雅普诺夫优化休眠调度机会传输

针对OFDMA网络安全传输的跨层调度算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

针对OFDMA网络安全传输的跨层调度算法研究

作者：朱兴正上海交通大学

学位级别：硕士

由于无线通信系统具有广播的特性,无线通信系统中的数据安全问题一直的研究的热点与难点。而安全网络容量是无线网络物理层安全传输能力的重要指标。作为下一代高速移动通信技术,正交频分多址接入(OFDMA)网络的物理层安全问题更是具有... 详细信息

由于无线通信系统具有广播的特性,无线通信系统中的数据安全问题一直的研究的热点与难点。而安全网络容量是无线网络物理层安全传输能力的重要指标。作为下一代高速移动通信技术,正交频分多址接入(OFDMA)网络的物理层安全问题更是具有实际的研究意义。而无线网络状态的的随机性也给这项研究带来了很大的挑战。为了达到提升OFDMA网络物理层安全的目标,本文针对OFDMA网络特性,设计了不同的数据传输场景下的OFDMA网络跨层调度算法。文中所包括的传输场景主要有：1)只有安全数据传输的OFDMA下行链路;2)同时具有开放与私密数据请求的OFDMA下行链路;3)基于OFDMA技术的认知无线电网络环境。针对上述三个场景,本文的主要工作与贡献如下：1)在只有安全数据传输的OFDMA下行链路中,每个用户对数据传输都有不同安全等级的要求。本文首先从安全信道容量角度定义每个用户不同等级的安全需求,即最小安全信道容量的要求。接着针对无线网络时变的特性,利用动态队列技术和李雅普诺夫优化方法设计实时的资源分配和流量控制算法FCRA。该算法在不需要统计信息的情况下做决策,仅仅依靠实时信道状态信息和队列信息(实际数据队列和虚拟能量队列)实现接近最优的算法性能。并且FCRA算法借助虚拟能量队列,追踪时均的能量消耗,保证网络总体功耗满足时均的能量限制。最后仿真结果也验证了FCRA算法在保证网络稳定和获得最优时均吞吐量方面的性能。2)在同时有安全与开放数据请求的下行链路中,除了用户私密数据的传输必须在物理层上满足完全保密(perfect security)的要求之外,其开放信息的传输还有时均的时延上界限制。本文首先提出跨层调度算法FCRA-OP,利用了动态队列信息和即时信道状态信息做决策,以最大化网络时均加权吞吐量为目标,同时满足总的时均能耗限制。FCRA-OP算法除了对两种数据分别提出流量控制算法以及在移动用户之间的资源调度算法,还针对两种数据传输进行了私密传输控制：只有当私密传输的紧急程度大于开放信息的紧急程度时,系统才会给私密信息分配传输能力;否则为了满足开放信息时延的限制,所有的网络容量将被用来传输开放信息。其次,我们得到了系统吞吐量与时延上界之间的折衷关系：对数据传输时延要求越宽松,系统能够获得的吞吐量性能越好。另外也证明,FCRA-OP算法则能在给定时延要求和有限数据缓存的条件下,通过调节控制参数V,使得网络总体加权吞吐量接近最优。3)本文从提高频谱利用率的角度出发,提出了基于OFDMA技术的认知无线电网络环境中的二级网络资源调度问题。本文首先针对认知无线电网络的特性,首先提出让二级用户以全覆盖(full overlay)的方式接入一级用户的频段,并给出全覆盖接入的最优性的理论证明。除此之外,设计了在全覆盖接入方式下拓展二级网络安全信道容量的跨层资源调度算法COCA,达到最大化二级网络总体吞吐量的目的。并从理论分析和仿真两个角度都证明了算法的性能。

关键词： OFDMA网络物理层安全跨层资源调度李雅普诺夫优化时延控制

基于QoS保障的移动云计算随机任务序列的执行调度控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于QoS保障的移动云计算随机任务序列的执行调度控制

作者：王立群合肥工业大学

学位级别：硕士

近年来移动设备成为了人们生活中不可或缺的一部分,带来了移动应用市场的大繁荣。移动应用的种类与功能有了爆发式的增长,相对而言移动设备的硬件发展速度却没有跟上。面对移动应用对计算资源的渴求与移动设备资源有限的矛盾,移动云计... 详细信息

近年来移动设备成为了人们生活中不可或缺的一部分,带来了移动应用市场的大繁荣。移动应用的种类与功能有了爆发式的增长,相对而言移动设备的硬件发展速度却没有跟上。面对移动应用对计算资源的渴求与移动设备资源有限的矛盾,移动云计算提出了一种有效的解决方案,通过移动互联网将任务卸载到云端执行,从而降低了应用程序对移动设备的硬件要求。但移动设备与云端通信时,又产生了数据收发的能耗与时延,因此如何在保障服务质量的前提下进行合理高效的任务调度和卸载,成为移动云计算的研究重点。本文针对随机任务序列,根据不同的优化目标,对任务的执行调度控制进行了研究。本文具体的研究内容如下:1.针对能耗与时延权衡的任务调度问题,将一个应用程序划分为几类任务并生成各自的等待调度队列。以能耗与时间加权和作为优化目标,引入李雅普诺夫优化理论,在保证队列稳定的前提下,求解每个时隙内移动设备的最优CPU工作频率和传输功率,并寻找使能耗和时延加权和最小化的最优任务调度决策。2.针对保障服务质量（Quality of Service,Qo S）的任务调度问题,以在平均时延约束下,最小化移动设备的能耗作为优化目标。通过拉格朗日方法将平均时延约束条件加权带入原目标函数,构造出无约束的优化目标函数,再利用李雅普诺夫优化方法进行优化。从而在不需要任务到达先验知识的前提下,从可行解中寻找出最优调度决策在保障Qo S的同时提高系统的能效,仿真验证其有效性。

关键词：移动云计算随机任务调度李雅普诺夫优化服务质量

移动边缘计算中任务卸载与计算资源管理方案研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动边缘计算中任务卸载与计算资源管理方案研究

作者：黄鸿锐重庆邮电大学

学位级别：硕士

在物联网和移动通信技术的驱动下,移动终端和计算密集型应用不断涌现。传统移动终端的性能已无法满足计算密集型和时延敏感型应用的计算需求。移动边缘计算(Mobile Edge Computing,MEC)技术通过将云资源(如计算资源、存储资源等)下沉到... 详细信息

在物联网和移动通信技术的驱动下,移动终端和计算密集型应用不断涌现。传统移动终端的性能已无法满足计算密集型和时延敏感型应用的计算需求。移动边缘计算(Mobile Edge Computing,MEC)技术通过将云资源(如计算资源、存储资源等)下沉到网络边缘的方式,有效提升了用户的计算体验,并得到了广泛的关注。边缘云资源的高效及合理分配对于实现计算卸载的高可靠、低延时、高能效具有重要的意义。为此,本文研究了移动边缘网络中的任务卸载与计算资源分配方法。首先,考虑到业务的多样性和网络接入的异构性对任务卸载和计算资源分配的影响,提出了一种异构网络场景下的任务卸载和计算资源分配的联合优化方案。首先根据李雅普诺夫队列优化理论,将任务卸载与计算资源联合分配建模为一种混合整数非线性规划问题,并分析了卸载收益与延迟之间的折中关系。并提出了一种基于搜索树的启发式算法来优化任务卸载与计算资源分配策略。此外,为了对搜索树进行快速地分支定界,设计了一种任务卸载准则。最后,仿真结果验证了所提算法的有效性和合理性。其次,针对多用户,多业务,多MEC服务器场景中边缘云资源的优化问题,本文建立了多用户-多业务-多MEC服务器场景下的计算卸载和边缘云计算资源分配模型。为实现服务器端计算资源高效及合理的分配,以最大化系统效用为目标,设计了一种在线的具有卸载时延约束的边缘云计算资源拍卖算法(Multi-users,Multi-tasks,and Multi-servers based online computing Resources Auction algorithm,M3RA)。此外,分别从计算复杂度,个体合理性,真实性以及预算平衡性证明了所提M3RA算法的可行性。最后,通过对系统总效用方面的仿真证明了M3RA算法的有效性。

关键词：移动边缘计算任务卸载资源分配李雅普诺夫优化拍卖

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动云计算环境下的数据传输优化算法

移动云计算环境下的数据传输优化算法

作者：高阳华中科技大学

学位级别：硕士

近年来,移动设备的计算能力与存储能力有了巨大的提高,无线网络的带宽及覆盖率也有了极大得进步。在此基础上,移动云计算应用应运而生。但是,有限的移动设备电池容量和不稳定的无线网络严重影响到了移动云计算应用的用户体验,研究移动... 详细信息

近年来,移动设备的计算能力与存储能力有了巨大的提高,无线网络的带宽及覆盖率也有了极大得进步。在此基础上,移动云计算应用应运而生。但是,有限的移动设备电池容量和不稳定的无线网络严重影响到了移动云计算应用的用户体验,研究移动云计算中的数据传输优化,延长设备工作时间,适应变化的无线网络环境,具有重要的意义。移动云计算应用通常支持数据预取或者能容忍延迟,因此可以采用队列模型描述应用与云端的数据传输过程,将数据传输优化转换为控制数据进入队列以及选择何种网络接口发送队列中的数据,并建立量化的能耗模型和带宽模型,将优化问题定义为在满足移动设备带宽需求前提下最小化能耗。为了实现在线控制与优化,基于李雅普诺夫优化方法和偏移加罚理论将该问题转换为通过最小化边界值达到优化目标的问题,通过辅助变量选择、数据接收控制、传输控制以及更新队列这一些列循环步骤就可以实现数据传输优化。性能分析与测试证明,在移动设备拥有多个可用的网络接口的情况下,上述优化方法能够在线确定合理的网络接口,在满足移动应用带宽前提下降低能耗,并使系统处于稳定状态。

关键词：移动云计算数据传输李雅普诺夫优化偏移加罚

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

混合云环境下的云计算资源调度研究

混合云环境下的云计算资源调度研究

作者：王宇飞上海交通大学

学位级别：硕士

近年来,云计算在学术界或者工业界都获得了极大的关注度,这主要得益于它不限服务时间、不限地域的可用性,灵活、容易维护的易用性以及按需付费的灵活价格体系。拥有私有云平台的企业或研究组织可以通过搭建混合云平台的方式来结合公有... 详细信息

近年来,云计算在学术界或者工业界都获得了极大的关注度,这主要得益于它不限服务时间、不限地域的可用性,灵活、容易维护的易用性以及按需付费的灵活价格体系。拥有私有云平台的企业或研究组织可以通过搭建混合云平台的方式来结合公有云和私有云的优点:借用公有云来提供良好的弹性伸缩,而用私有云存储敏感数据以防外泄。因此,混合云平台通常会成为企业或研究组织部署分布式应用的首选。本文研究混合云平台任务调度的一个典型场景:一朵私有云和一朵公有云组成的混合云平台提供计算服务,而提交的计算任务分为仅能在私有云上执行的特殊任务和可以在公有云或私有云上执行的普通任务两种。通过对混合云上资源调度相关细节的分析,我们首先使用0-1整数规划的方式建立了混合云上的任务调度模型。但是,最初建立的模型需要任务相关的一系列随机变量分布的知识,这使得该模型难以求解。而借助李雅普诺夫优化方法,我们成功转化该模型为一个常规的0-1整数规划问题,从而获得了该模型的求解算法。最后,通过对比实验,我们可以验证,相较于其他几种对比算法,此工作中提出的调度算法可以在公有云开支和任务按时完成率之间达到一个较好的平衡。此外,提出的调度算法在私有云利用率上接近最优算法,同时可以获得一个较低的调度时延。

关键词：混合云资源调度任务调度李雅普诺夫优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分散计算环境下可分任务的调度技术研究

分散计算环境下可分任务的调度技术研究

作者：林晓民西安电子科技大学

学位级别：硕士

近年来,随着芯片制造工艺和移动通信技术的快速迭代与发展,物联网设备的性能逐步提升,应用场景日益丰富。然而,由于目前物联网设备在地理分布上过于分散,且通常仅在独立系统内运作,这种系统间的隔离导致大量设备的算力未得以充分利用。... 详细信息

近年来,随着芯片制造工艺和移动通信技术的快速迭代与发展,物联网设备的性能逐步提升,应用场景日益丰富。然而,由于目前物联网设备在地理分布上过于分散,且通常仅在独立系统内运作,这种系统间的隔离导致大量设备的算力未得以充分利用。因此,分散计算（Dispersed Computing,DCOMP）体系架构提出,可以利用DCOMP中间件技术将广泛具有计算、通信、存储能力的设备抽象为通用的可编程计算节点并连接成网络,为实现低延迟、高效率、广范围的设备间协作计算提供了新的契机,可满足未来万物互联时代用户对计算性能和服务质量越来越高的需求。其中,如何在分散化的计算资源间针对特定优化目标执行合理的任务调度,是目前分散计算领域研究的核心问题。本论文基于可分任务理论,分别以最小化计算时延和系统平均能耗为优化目标对任务调度技术展开研究,主要工作与创新点如下。针对最小化任务计算时延的优化目标。首先,综合考虑节点计算能力的差异、通信方式的异构、计算任务随机产生和到达等一系列因素对任务调度决策的影响,结合排队论,构建了一个分散计算环境下考虑传输可靠性约束的可分任务动态调度模型。该模型突破了单跳卸载的限制,可利用任务递归划分性质以支持跨多跳协作计算。其次,在分析模型特点与求解的时间复杂度后,基于启发式思想,提出并设计了一种适用于求解该模型的分布式调度算法。该算法在传统的遗传算法基础上对种群初始化、交叉算子进行了优化和改进,以减小解空间维度并加快算法收敛速度,并解决了节点间任务循环划分调度等问题。最后,通过分析仿真实验结果,证明了本章所设计的调度算法较于目前经典的调度算法,在系统全局资源利用率、吞吐量、任务平均计算时延等多个评价维度上更优。针对最小化系统平均能耗的优化目标。首先,在前章基础上,构建了一个分散计算在能源受限的灾区环境作应急计算保障应用的场景模型,增加了对计算节点移动性、无线信道时变等随机变量的考虑,令无人机集群与受灾区域内的移动智能设备组成分散式网络,协作完成无人机控制中心下发的计算任务。其次,在队列积压长期稳定的约束下构建最大化任务分发量、最小化系统平均能耗两个调度优化目标函数。基于李雅普诺夫优化理论,将随机优化问题转换为普通优化问题,对两个调度阶段分别提出基于深度强化学习与基于凸优化技术的调度算法,并给出了算法性能损失的分析。最后,通过设计仿真实验,验证了该应用场景经过两阶段调度算法的协同决策,可在计算服务速率稳定可控的前提下使系统平均能耗最小化。

关键词：分散计算可分任务调度遗传算法李雅普诺夫优化深度强化学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动物联网设备弹性访问管理研究

移动物联网设备弹性访问管理研究

作者：黄鑫湖南大学

学位级别：硕士

现如今物联网相关技术发展迅猛,诸如智能可穿戴设备、智能手机等智能终端的功能与性能更是迎来井喷式发展,也正因如此,与物联网相关业务类别的复杂性、多样性与移动性更是产生各色各样的需求,伴随其产生的数据流量也呈现爆炸式增长,而... 详细信息

现如今物联网相关技术发展迅猛,诸如智能可穿戴设备、智能手机等智能终端的功能与性能更是迎来井喷式发展,也正因如此,与物联网相关业务类别的复杂性、多样性与移动性更是产生各色各样的需求,伴随其产生的数据流量也呈现爆炸式增长,而移动物联网终端所处的位置分布通常是分散的,由此导致呈现出网络分区内流量的动态且不均衡的特性。面对这种情况目前并没有针对于处理移动物联网终端业务的模型,而传统集中式的大数据处理模型已经不能够灵活、高效的处理这些终端移动物联网设备所产生的数据。尤其是在面对移动物联网设备的访问控制、动态的分配接入点方面,传统的移动访问控制系统又面临:a.集中控制器与物联网终端相距遥远;b.对物联网终端的身份验证和监控不足;c.移动物联网终端的数据访问效率低下。为应对上述挑战,本文设计了一种有效的移动物联网弹性访问管理方案:(1)本文采用边缘端-物联网终端(Edge-IoT)的方案。采用移动边缘计算的处理模式,将服务器下沉至网络的边缘,使其更加接近用户终端一侧,同时将软件定义网络推向边缘端,两者结合共同对物联网设备进行治理。以减少移动终端到云端的固有延迟,通过控制器更加高效的处理物联网设备的数据请求服务;(2)本文采用一种引入移动物联网设备的位置组信息,并与Diffie-Hellman密钥协商算法相结合形成的设备认证机制。通过部署在边缘端的控制器收集网络分区内移动物联网终端的位置组信息,将其与Diffie-Hellman密钥协商算法相结合,对移动物联网设备所处的网络分区进行位置认证与访问控制操作,以解决移动物联网设备身份验证和监控不足的问题;(3)本文基于李雅普诺夫(Lyapunov)优化理论提出设计接入点分配方案。本文结合Lyapunov优化理论设计并分析基于Edge-IoT的通信模型,并对此通信模型进行数学分析、推导,设计接入点分配方案,以保证每个新进入网络分区的移动物联网设备与当前最优的接入点相关联,提高移动物联网设备的数据访问效率的同时,对网络分区的接入点的资源进行合理的分配调度,以保证整个网络分区的稳定性。最后,本文的方案通过仿真平台进行实验验证。实验结果表明,本文所采用的方案能够对移动物联网设备的接入提供安全的验证,同时所设计的在线资源调度方案可确保每个移动物联网设备和接入点对之间的流量请求为当前最佳分配方案,提高资源的利用率,保证网络分区的稳定性。

关键词：边缘计算软件定义网络访问控制李雅普诺夫优化资源调度

面向大规模M2M通信的接入控制与资源分配技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向大规模M2M通信的接入控制与资源分配技术研究

作者：郭宇飞华北电力大学(北京)

学位级别：硕士

机器对机器（Machine-to-Machine,M2M）通信正在快速成为当前第四代（the Fourth Generation,4G）和未来第五代（the Fifth Generation,5G）系统中支持物联网（Internet of Things,IoT）应用的重要技术基础,也是物联网现阶段最主要的应... 详细信息

机器对机器（Machine-to-Machine,M2M）通信正在快速成为当前第四代（the Fourth Generation,4G）和未来第五代（the Fifth Generation,5G）系统中支持物联网（Internet of Things,IoT）应用的重要技术基础,也是物联网现阶段最主要的应用形式。M2M通信已在工业自动化、智能家居、远程医疗等诸多领域广泛应用。然而,这将导致机器类通信（Machine Type Communication,MTC）设备的规模急剧增加,并带来接入拥塞严重、接入时延过高甚至服务中断等诸多问题。本文面向大规模M2M通信场景,开发了一个两阶段的接入控制和资源分配方案。在第一阶段,针对信息不对称情形,提出了一种基于契约理论的接入控制激励机制。设计契约激励部分延迟容忍类MTC设备推迟其接入时间以缓解高峰时段基站接入压力,所设计契约可激励MTC设备自主揭示其所属类型。在第二阶段,提出了一种用于资源分配的长期在线优化方案。构建了速率控制、功率分配和信道选择的联合优化问题。利用李雅普诺夫优化将长期随机优化问题转换为一系列短期确定性优化问题。特别地,功率分配和信道选择问题被转化为二维匹配问题,并通过基于定价的稳定匹配算法来解决。最后,通过仿真对所提算法的性能进行验证。

关键词： M2M通信接入控制资源分配契约理论李雅普诺夫优化

移动边缘网络中联合任务卸载和数据缓存策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动边缘网络中联合任务卸载和数据缓存策略研究

作者：张倪西南大学

学位级别：硕士

随着移动设备数量的飞跃式增长以及许多新兴的应用程序不断涌现,移动网络的流量呈指数级增长,导致移动用户对数据内容和计算应用程序的需求空前增加。传统的集中式网络架构由于回程链路负载过重、时延较长,无法满足移动用户的需求。因此... 详细信息

随着移动设备数量的飞跃式增长以及许多新兴的应用程序不断涌现,移动网络的流量呈指数级增长,导致移动用户对数据内容和计算应用程序的需求空前增加。传统的集中式网络架构由于回程链路负载过重、时延较长,无法满足移动用户的需求。因此,提出了将网络能力从核心网开放至边缘网的新体系结构,即移动边缘计算（Mobile Edge Computing,MEC）。移动边缘计算能够在移动蜂窝网络的边缘提供能力不大的云计算和存储功能,以满足移动设备端能够运行延迟敏感型应用程序的需求。但是,边缘服务器上的计算/存储资源有限,并且只有重要的应用程序数据可以缓存在边缘服务器中。因此,有必要找出最优的缓存决策,以最大程度地减少移动设备的执行延迟和能耗。如何将任务卸载与数据缓存结合在一起,有效合理地利用边缘服务器的计算能力和存储资源来满足移动用户的高质量体验要求,仍然是一个迫在眉睫的问题。本文的主要研究目的是在移动边缘计算网络中实现多用户协作的联合计算任务卸载和数据缓存。MEC数据缓存的关键问题是如何在MEC服务器的有限存储容量与海量数据库之间进行权衡。本文考虑了多个移动设备将重复的计算任务迁移到边缘服务器并共享计算任务所需的数据内容。另外,本文提出了一种有效的Lyapunov在线算法,该算法可以执行联合调度任务卸载和动态数据内容缓存策略。本文主要贡献阐述如下:1.研究在D2D（device-to-device,设备到设备）辅助的移动边缘网络中基于Lyapunov优化的任务卸载策略。首先,本文提出了一种基于D2D辅助的移动设备排队任务分担方法,通过将计算任务迁移到MEC服务器或者相邻的移动设备端执行,将任务卸载优化建模为最小平均总能耗问题。其次,在任务队列稳定的条件下,采用Lyapunov优化算法解决了优化问题。所提出的方法根据当前任务的权值参数动态地调整所有任务的卸载决策,并判断它是移动设备端还是在MEC服务器上执行。仿真结果表明,与最短排队等待时间算法和MEC的全部卸载算法相比,该算法可以有效降低任务执行的平均总能耗,并大大提高卸载效率。2.研究在移动边缘网络中基于用户协作联合任务卸载和数据缓存策略。首先,本文根据排队论,获得了移动设备的计算任务在本地计算延迟和在边缘服务器的计算延迟,以及计算任务从移动设备卸载到MEC服务器的传输延迟。其次,在满足移动设备能耗约束和时间约束条件下,将任务卸载和数据缓存策略问题建模为最小化移动设备的平均总执行延迟问题。最后,提出一种基于Lyapunov优化的实时协作在线算法,该算法可以有效地在线执行任务卸载和数据缓存决策,而无需将来的信息。特别地说明,本文提出了以遗传算法作为在线算法的关键子程序,该算法有效地解决了最优的任务卸载和缓存策略,实现了移动设备之间的协作。仿真结果表明,本文提出的方案在联合任务卸载和数据缓存方面优于传统策略,可在满足长期能量约束的同时有效降低移动设备的平均总执行延迟。

关键词：移动边缘计算任务卸载数据缓存李雅普诺夫优化