检索结果-南通市图书馆

同方期刊数据库

基于最优运输理论的蜂窝网边缘卸载时延优化研究

在线全文

学校读者我要写书评

暂无评论

物联网学报 2023年第4期7卷 13-27页

作者：吕翔宇肖泳钟祎李强葛晓虎华中科技大学电子信息与通信学院湖北武汉430074

随着物联网的发展,蜂窝网络中接入了大量的用户设备。由于用户设备空间分布和应用需求的变化,需要对用户设备卸载决策进行动态调整。综合考虑网络中用户设备空间分布、应用需求、基站侧边缘服务器的处理能力等参数信息,从分布角度出发,... 详细信息

随着物联网的发展,蜂窝网络中接入了大量的用户设备。由于用户设备空间分布和应用需求的变化,需要对用户设备卸载决策进行动态调整。综合考虑网络中用户设备空间分布、应用需求、基站侧边缘服务器的处理能力等参数信息,从分布角度出发,优化用户设备的卸载决策。基于最优运输理论,提出一种时延优化算法。通过合理规划网络中用户设备的卸载基站,降低用户设备计算任务卸载过程的平均时延。仿真结果表明,所提基于时延优化的卸载机制能使平均时延降低81.06%,并能均衡各基站之间处理的业务量。

关键词：边缘卸载最优运输理论时延优化物联网

在线全文

学校读者我要写书评

暂无评论

基于最优运输理论的蜂窝网边缘卸载研究

基于最优运输理论的蜂窝网边缘卸载研究

作者：吕翔宇华中科技大学

学位级别：硕士

第五代移动通信技术的发展和智能终端的普及催生了蜂窝网中大量的计算密集型和时延敏感型任务。通过在靠近用户设备的网络边缘部署服务器,降低计算任务的处理时延和能耗。考虑到接入蜂窝网的用户设备数量快速增长的趋势、用户设备空间... 详细信息

第五代移动通信技术的发展和智能终端的普及催生了蜂窝网中大量的计算密集型和时延敏感型任务。通过在靠近用户设备的网络边缘部署服务器,降低计算任务的处理时延和能耗。考虑到接入蜂窝网的用户设备数量快速增长的趋势、用户设备空间分布上不均匀的特性和多样化的应用需求,逐个优化的方式会带来高计算复杂度和大量的通信开销。因此,从分布的角度研究用户设备的卸载决策,有利于解决上述问题。考虑到卸载决策实质上是用户设备与边缘服务器之间计算任务的运输方案,优化目标是运输过程中的代价,因此本文将最优运输理论引入边缘卸载的决策优化中。本文具体研究内容如下:(1)研究了蜂窝网中多基站场景下,用户设备计算任务连续型卸载过程的平均时延优化问题。综合考虑基站侧边缘服务器不同的服务能力、用户设备的空间分布和多样性的应用需求,建立计算任务上传、边缘侧计算和结果回传的时延模型,并在边缘服务器的计算过程中考虑了排队情况。基于最优运输理论中半连续代价函数的性质对卸载过程的时延优化问题进行分析,提出了基于最优运输理论的时延优化算法。仿真结果表明,与基于最近距离的卸载机制相比,本文提出的基于时延优化的卸载机制使卸载过程的平均时延降低了81.06%。(2)研究了蜂窝网中多基站场景下,用户设备计算任务周期型卸载过程的总能耗优化问题。综合考虑计算任务卸载的周期信息、用户设备的空间分布和多样化的应用需求,本文建立了计算任务上传、边缘侧计算和结果回传的能耗模型。基于最优运输理论中瓦瑟斯坦距离的性质对卸载过程的能耗优化问题进行分析,证明了基站最优服务区域的存在性和唯一性定理,并提出了基于最优运输理论的能耗优化算法。仿真结果表明,与基于最近距离的卸载机制相比,本文提出的基于能耗优化的卸载机制使卸载过程的总能耗降低了28.09%。(3)研究了蜂窝网中多无人机辅助卸载的悬停时间优化问题。在难以布设地面基站的地方,可以通过布设无人机将收集到的计算任务传输给远处的地面基站,并将处理结果回传用户设备。本文根据用户设备的空间分布情况、业务情况和无人机被基站分配的传输带宽情况,合理规划无人机服务区域,最大化无人机的平均悬停时间。根据最优运输理论中2阶瓦瑟斯坦距离性质对无人机悬停优化问题进行分析,提出一种基于最优运输理论的悬停优化算法。仿真结果表明,与基于最近距离的服务机制相比,基于悬停优化的服务机制使无人机的平均悬停时间提高了153.49%。

关键词：边缘卸载最优运输理论时延优化能耗优化无人机悬停优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车辆边缘计算中基于深度学习的任务判别卸载

电子科技大学学报 2024年第1期53卷 29-39页

作者：章坚武戚可寒章谦骅孙玲芬杭州电子科技大学信息工程学院杭州310018 杭州电子科技大学通信工程学院杭州310018 浙江大学信息与电子工程学院杭州311121 普利茅斯大学普利茅斯PL48AA

车辆边缘计算(VEC)将移动边缘计算(MEC)与车联网(IoV)技术相结合,将车载任务下沉至网络边缘,以此解决车辆终端计算能力有限问题。为了克服任务数量骤增的车载任务调度难题并提供一个低时延服务环境,首先依据所选的5大特征参数的动态关... 详细信息

车辆边缘计算(VEC)将移动边缘计算(MEC)与车联网(IoV)技术相结合,将车载任务下沉至网络边缘,以此解决车辆终端计算能力有限问题。为了克服任务数量骤增的车载任务调度难题并提供一个低时延服务环境,首先依据所选的5大特征参数的动态关联变化准则,使用改进型层次分析法(AHP)将车载任务划分为3类主要任务,基于3种卸载决策进行资源分配联合建模;随后,利用调度算法和罚函数来消除建模的约束条件,所获的代价值为之后的深度学习算法提供输入;最后,提出一种基于深度学习的分布式卸载网络算法来有效降低VEC系统的能耗与时延。仿真实验结果表明,所提卸载方案相较传统深度学习卸载方案具有更好环境适应性与稳定性,并降低了任务平均处理时延与能耗。

关键词：深度学习边缘卸载多约束优化任务类型划分车辆边缘计算

在线全文

学校读者我要写书评

暂无评论

基于NOMA的边缘计算的任务卸载时延优化

基于NOMA的边缘计算的任务卸载时延优化

作者：翁子宵暨南大学

学位级别：硕士

随着当前移动通信网络的发展速度的进一步加快,移动通信网络的业务量出现了极速的增长,同时用户对于网络体验的要求也越来越高。更多的用户和物联网设备开始处理起需要复杂计算的计算密集型任务,但设备的任务处理能力受限于处理器性能... 详细信息

随着当前移动通信网络的发展速度的进一步加快,移动通信网络的业务量出现了极速的增长,同时用户对于网络体验的要求也越来越高。更多的用户和物联网设备开始处理起需要复杂计算的计算密集型任务,但设备的任务处理能力受限于处理器性能不足以及电池容量不足等因素无法满足用户的需求。移动边缘计算强调接近移动用户及设备,专注于将具有计算、存储和通信能力的MEC计算服务平台部署于网络边缘,尽可能的靠近用户来提供边缘服务。边缘计算卸载作为移动边缘计算中的一个重要发展方向,能够满足5G对于低时延的要求,正在逐渐成为当今5G时代越来越重要的一项技术。尽管边缘计算卸载可以满足用户的高计算要求,但同时也带来了将任务卸载到边缘服务器的能量消耗和传输延迟增加。因此,为了能更好地利用边缘计算卸载的优势,将非正交多址接入(NOMA)引入到边缘计算中。非正交多址接入也被认为是第五代移动通信系统的关键技术之一,这项技术可以做到在同一传输频带上同时为多个用户进行服务,从而额降低传输时延。但如何将NOMA和MEC这两个技术有效的进行结合使用将是一个关键的问题。本文探讨了基于非正交多址接入的边缘计算卸载的时延优化问题,主要由以下两个部分组成:本文第一部分提出了一个单小区内的采用非正交多址接入的边缘计算整体卸载的系统模型。并提出了最小化总时延的优化目标与公式,通过分解问题的方法对问题进行逐一求解。首先通过讨论了在一个信道中两个用户的功率在不同传输完成先后次序下的情况,通过一系列的数学情况分析得到了近似最优的功率分配方法。随后通过轮询尝试配对方法来对用户和信道进行配对得到最终稳定的最优配对方法。最后通过拉格朗日乘子法和KKT方法得到最佳的MEC服务端计算资源分配方案。最后通过实验证明了方案的有效性和优越性,可以做到近似最优解的效果。本文第二部分提出了一个单小区内的采用非正交多址接入的边缘计算部分卸载的系统模型。提出了最小化总时延的优化目标与公式。首先提出了基于DQN的NOMA-MEC系统时延优化方法,通过将百分比卸载决策、功率分配决策和卸载决策拆分为三个DQN单元进行决策。随后基于DQN不适合百分比卸载决策、功率分配决策这类连续值决策,将这两个DQN单元替换为DDPG单元进行决策。最后通过实验证明了方案的有效性和优越性。

关键词：移动边缘计算边缘卸载非正交多址接入资源分配深度强化学习

面向车联网边缘计算的智能卸载决策与信任增强方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向车联网边缘计算的智能卸载决策与信任增强方法研究

作者：丁晓兰北京邮电大学

学位级别：硕士

在车联网边缘计算中,由于边缘层设备资源受限且处理任务的类型具有差异,因此有必要使用智能决策方法更好地提高卸载决策的时效性和计算资源的利用率;同时,信任是构建车联网边缘计算协作环境的必要条件,面对其无线、开放、分布环境造成... 详细信息

在车联网边缘计算中,由于边缘层设备资源受限且处理任务的类型具有差异,因此有必要使用智能决策方法更好地提高卸载决策的时效性和计算资源的利用率;同时,信任是构建车联网边缘计算协作环境的必要条件,面对其无线、开放、分布环境造成的信任与安全挑战,针对车联网边缘计算建立可靠、高效的信任管理机制的研究非常重要。本文首先提出基于容器分层协同的集成并行卸载决策方法,该方法采用子任务卸载的方式,基于该方式对容器分层协同卸载方案进行了改进,构建了边缘卸载模型。并且以最小化卸载总时延为目标,提出基于集成并行人工蜂群算法的卸载决策方法。仿真实验表明基于容器分层协同的边缘卸载模型一定程度上解决了边缘设备处理能力差异化及服务异构性带来的卸载目标节点选择受限问题,在提高边缘设备资源利用率的同时提升了系统对卸载需求的承受能力。使用集成并行人工蜂群算法完成卸载决策在提升决策速度的同时可以寻找到卸载总时延更低的决策结果,同时具有较为优异的稳定性。本文又提出了一种基于区块链的边缘卸载信任增强方法,该方法由基于IFCM(Improved Fuzzy-C Means)聚类算法的信任增强机制与TLGPCA(Trust Level and Graph Partition based RPCA)轻量共识机制共同实现。在信任增强机制中,综合考虑节点的共享资源和历史行为对信誉值进行奖罚。IFCM聚类算法通过定制初始隶属度机制、引入类别间隔、聚类修正,对设备进行信任等级划分和权限授予,可提高识别恶意节点的能力。TLGPCA共识机制使用图划分机制以各类型节点均匀分布和最小化跨分区交易数量为目标划分全域,再通过分区内交易共识、分区间交易共识和分区间区块共识完成对全域可信任边缘计算节点列表的更新和保存。仿真实验表明该方法可以提高交易吞吐量、降低平均通信开销、降低交易响应时延,具有较强共识稳健性。

关键词：边缘卸载容器分层协同人工蜂群算法信任增强共识机制

边缘计算中面向异构密集无线网络的高效任务卸载策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘计算中面向异构密集无线网络的高效任务卸载策略研究

作者：韩云鹏电子科技大学

学位级别：硕士

过去的10年,随着5G、物联网技术的发展,智能设备的数量爆炸式增长,一大批新兴的交互式应用涌现出来,如虚拟现实、增强现实、自动驾驶、图像识别等。这些应用的典型特点是需要密集的计算资源的同时要求极低的延迟,因而不适宜在算力较差... 详细信息

过去的10年,随着5G、物联网技术的发展,智能设备的数量爆炸式增长,一大批新兴的交互式应用涌现出来,如虚拟现实、增强现实、自动驾驶、图像识别等。这些应用的典型特点是需要密集的计算资源的同时要求极低的延迟,因而不适宜在算力较差、电池容量有限的智能设备上执行。传统的云计算技术由于设备需要与骨干网络通信,也无法保证延迟参数。为解决这一两难困境,移动边缘计算技术应运而生。移动边缘计算即智能设备将计算任务卸载到边缘服务器执行,后者部署在网络边缘(通常是与基站等边缘网关相连接),利用边缘网关的剩余算力进行服务,且与设备间的通信最少只需经过单跳的链路,因而有机会保证任务的执行延迟。目前边缘计算技术已经得到了学术界和工业界的广泛关注,但现有研究普遍存在忽视子任务间依赖关系、忽视设备间通信资源竞争、忽视边缘服务器计算资源调度的问题,难以适应下一代通信基础框架下异构密集无线网络的需求。有鉴于此,本文将卸载任务建模为有向无环图(Directed Acyclic Graph,DAG)的形式,以充分考虑子任务间的数据依赖关系,挖掘子任务间潜在的并行性。同时研究多异构设备被密集部署的异构边缘服务器覆盖的卸载场景,联合考虑设备间的无线通信资源冲突竞争和边缘服务器的卸载任务调度。通过理论分析,将卸载问题建模成数学优化的形式,并证明了优化问题的NP-hard性质。为有效解决这一问题,本文提出了一个基于优先级的启发式DAG任务卸载调度算法,并以此为基础提出了中心式的卸载策略,继而阐明了此策略的指数级计算复杂度。为提高决策效率,权衡决策时间和卸载收益,本文又以博弈论为工具,提出了一个自组织的分布式卸载算法,此算法有限次的迭代之后能达到纳什均衡(Nash Equilibrium)的状态,从而导出一个高效的卸载策略。而后本文又研究了更为复杂的边缘网络协作的卸载场景,提出了相应的卸载策略。最后,本文通过一系列的仿真对比,验证了本文提出的卸载策略的有效性。

关键词：移动边缘计算边缘卸载任务依赖异构密集网络分布式卸载策略

面向智能工厂的边缘计算节点部署及节能技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向智能工厂的边缘计算节点部署及节能技术研究

作者：肖烨北京邮电大学

学位级别：硕士

在工业4.0时代,工厂中物联网设备数量的爆炸式增多、网络架构的日新月异以及无人业务的需求推动了全球范围内智能工厂的转型升级。然而传统智能工厂的网络架构通常以云为中心,将来自设备的数据信息全都集中到云上处理。这种集中式的管... 详细信息

在工业4.0时代,工厂中物联网设备数量的爆炸式增多、网络架构的日新月异以及无人业务的需求推动了全球范围内智能工厂的转型升级。然而传统智能工厂的网络架构通常以云为中心,将来自设备的数据信息全都集中到云上处理。这种集中式的管理方式并不能支撑物联网范式的工厂中大规模物联网设备的实时计算,反而会导致云上负载繁重,大大增加了服务请求的响应时延。为了很好地支撑智能工厂中物联网范式的构建,边缘计算作为云计算模式的边缘扩展,被应用到智能工厂网络架构的建设中。由于云无线接入网（Cloud-Radio Access Network,C-RAN）能够满足物联网对网络灵活性和可扩展性的要求,因而本论文提出了基于C-RAN的智能工厂边缘计算架构。本论文首先针对智能工厂中的边缘计算部署问题,采用了传统优化算法和启发式算法相结合的方法进行求解。在基于C-RAN的智能工厂边缘计算架构中,考虑了单个传感设备将计算任务卸载至多个边缘接入设备的卸载模式。基于该卸载模式,构建了联合优化设备部署成本和智能服务的数据卸载时延的非线性规划数学模型,提出了基于免疫算法和拉格朗日乘子法的混合算法对问题进行求解。与单个传感设备将计算任务卸载到单个边缘接入设备的卸载模式相比,本文所提出的模式在采用基于免疫算法和拉格朗日乘子法的混合算法的情况下,能有效降低部署成本和数据卸载时延。针对智能工厂中移动设备的决策任务流卸载能耗和时延优化问题,本论文采用了多种启发式算法结合的方法来进行求解。基于C-RAN的智能工厂边缘计算架构,本论文中提出了五种不同的卸载模式:本地卸载、边缘卸载、云中心卸载、本地-边缘协同卸载以及本地-边缘-云中心协同卸载。在对能耗和时延联合优化问题进行了数学建模之后,本论文提出了基于遗传算法和粒子群优化算法的混合算法对该问题进行求解。实验结果证明本论文所提出的算法能够获得最小的任务流卸载能耗和时延。

关键词：智能工厂边缘计算计算资源部署边缘卸载移动性管理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度Q学习的电力物联网任务卸载研究

计算机与现代化 2022年第11期 75-80,88页

作者：丁忠林李洋曹委谈宇浩徐波国网电力科学研究院有限公司江苏南京211000 南京邮电大学通信与信息工程学院江苏南京210003

随着现代化城市与工业生产中电力需求的不断提高,电力物联网(Power Internet of Things,PIoT)作为一种能够显著提高电力系统效率的解决方案受到了广泛关注。为有效解决接入问题,现有的电力设备往往已配备内置轻量级人工智能的5G模组。然... 详细信息

随着现代化城市与工业生产中电力需求的不断提高,电力物联网(Power Internet of Things,PIoT)作为一种能够显著提高电力系统效率的解决方案受到了广泛关注。为有效解决接入问题,现有的电力设备往往已配备内置轻量级人工智能的5G模组。然而,受制于模组有限的计算能力和通信能力,设备产生的海量数据难以实时处理和分析。基于该问题,本文主要研究电力物联网系统中的任务卸载问题,通过联合优化卸载决策和边缘服务器的计算资源分配,从而降低时延与能耗的加权和。此外本文提出一种基于深度强化学习的任务卸载算法,首先任务在边缘服务器的处理过程建模为队列,其次基于凸优化理论对本地计算资源分配进行优化,最后采用深度Q学习算法优化任务卸载决策。实验结果表明,本文提出的方法能够有效降低系统时延与能耗的加权和。

关键词：电力物联网边缘卸载资源分配深度强化学习 5G模组