检索结果-南通市图书馆

山东大学学报（工学版） 2022年第4期52卷 45-53页

作者：钱程赵淦森罗浩宇华南师范大学计算机学院广东广州510631 广州市云计算安全与测评技术重点实验室广东广州510631

为解决现实场景中终端设备的移动性与性能波动对工作流d2d(device-to-device)协同卸载带来的问题,提出一种面向动态环境的工作流d2d协同卸载方法,以尽可能小的卸载成本保证工作流在时间约束内得到及时响应。在工作流的卸载执行过程中感... 详细信息

为解决现实场景中终端设备的移动性与性能波动对工作流d2d(device-to-device)协同卸载带来的问题,提出一种面向动态环境的工作流d2d协同卸载方法,以尽可能小的卸载成本保证工作流在时间约束内得到及时响应。在工作流的卸载执行过程中感知其执行时间状态,并提出贪婪有序自适应搜索算法进行高效的工作流d2d卸载决策,根据环境变化及工作流执行时间状态在线调整卸载方案。仿真结果表明,该卸载方法在动态环境中具有有效性,并且卸载决策所需的计算开销很低(仅为粒子群优化算法的1.63%),具有较高的实时性。

关键词：移动边缘计算工作流 d2d卸载计算卸载在线决策

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

移动边缘计算下的d2d协同卸载策略研究

移动边缘计算下的D2D协同卸载策略研究

引用

作者：侯俊旭北京邮电大学

学位级别：硕士

随着移动通信技术与智能终端的不断发展,网络数据流量呈指数型增长,计算需求越来越大。移动边缘计算(MEC,Mobile Edge Computing)技术可以改善本地计算资源短缺现状,满足大计算量需求。然而随着应用场景的不断丰富,有限的MEC计算资源将... 详细信息

随着移动通信技术与智能终端的不断发展,网络数据流量呈指数型增长,计算需求越来越大。移动边缘计算(MEC,Mobile Edge Computing)技术可以改善本地计算资源短缺现状,满足大计算量需求。然而随着应用场景的不断丰富,有限的MEC计算资源将无法满足进一步增长的计算需求,借助d2d(device-to-device)通信将任务卸载给邻近设备可以解决MEC资源有限的问题。因此,本文研究了如何选择合适的d2d卸载节点以及如何解决该场景下的卸载策略和资源分配问题,分为以下两个方面:(1)考虑到在MEC系统中d2d卸载方式的卸载节点选择问题,本文提出边缘计算下基于移动用户社交感知的d2d用户选择策略。首先,结合终端用户的物理连接属性和接触度、亲密度等社交属性,衡量用户之间的社交关系,结合社交关系提出d2d用户的租用定价策略;然后,基于d2d用户的移动性概率分布,得到用户移动性评估模型,并与用户的效益函数相结合,提出以系统效益最大化为目标的d2d选择策略;最后,将重要用户作为竞争资源,引入了匈牙利算法寻找最优匹配,并分析针对用户不平衡分配问题的解决方案。通过仿真对提出的策略进行了性能评估,证明了所提策略可以为系统带来明显的增益。(2)为解决新场景下的卸载策略和资源分配问题,本文提出了联合d2d协同卸载策略和资源分配的优化算法。在该算法中,针对用户请求的可分割任务,对卸载策略、任务分割比例、MEC资源分配、d2d卸载节点选择进行了联合优化。根据任务完成奖励和资源消耗提出时延限制下系统收益最大化问题。由于该问题是非凸的,将其分解为两个子问题:MEC资源分配和卸载策略优化。前者是凸问题,采用拉格朗日乘子法解决;后者在证明纳什均衡存在的前提下,通过多次迭代求解。仿真结果证明了该方案的有效性和普适性。

关键词：移动边缘计算(MEC) 计算卸载资源分配 d2d卸载

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

基于自适应任务卸载的蜂窝网络计算资源分配算法

引用

安徽大学学报（自然科学版） 2022年第3期46卷 87-93页

作者：智慧房小彤安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601

移动边缘计算中的任务卸载是当前的研究热点.随着蜂窝网络中移动终端数量的快速增长,由于计算资源有限,任务卸载时出现了时延长及资源分配不均衡的问题.针对该问题,提出一种基于自适应任务卸载的蜂窝网络计算资源分配算法.该算法先根据... 详细信息

移动边缘计算中的任务卸载是当前的研究热点.随着蜂窝网络中移动终端数量的快速增长,由于计算资源有限,任务卸载时出现了时延长及资源分配不均衡的问题.针对该问题,提出一种基于自适应任务卸载的蜂窝网络计算资源分配算法.该算法先根据用户周围的资源分布情况,自适应为每个用户选择最佳卸载模式;再根据计算资源使用情况,自适应为基站用户选择最优卸载决策并分配计算资源.仿真结果表明:与其他4种算法相比,该文算法的系统效用增益最大.

关键词：移动边缘计算蜂窝网络 d2d卸载自适应计算资源分配

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

MEC中面向多应用的长效绿色响应方案研究

MEC中面向多应用的长效绿色响应方案研究

引用

作者：张竣铭桂林电子科技大学

学位级别：硕士

数字化、智能化社会的不断推进激发了一系列智慧诊疗等新型物联网应用快速发展,对智能设备的算力资源供应提出了较高的需求。然而受限于智能设备的体积和中央处理器制造工艺,有限的智能设备计算资源难以满足大量新兴物联网应用的高算力... 详细信息

数字化、智能化社会的不断推进激发了一系列智慧诊疗等新型物联网应用快速发展,对智能设备的算力资源供应提出了较高的需求。然而受限于智能设备的体积和中央处理器制造工艺,有限的智能设备计算资源难以满足大量新兴物联网应用的高算力需求。为满足新型物联网应用的极致响应需求,多接入边缘计算架构(MultiAccess Edge Computing,MEC)被提出。然而大量的物联网应用处理需求为算力资源有限的边缘云端带来极大压力。同时,智能设备与接入节点、智能设备与智能设备间频繁信息交互导致了系统能量消耗急剧增加,极大限制了智能设备的续航时间,加剧了温室效应。因此,亟需开展面向多应用的绿色长效响应研究。本文首先充分探究终端间计算协作机制并合理调整多应用请求的处理顺序,旨在实现多应用请求的有效处理,降低终端能耗。同时,充分利用可再生能量收集技术和无线携能通信技术(Simultaneous Wireless Information and Power Transfer,SWIPT),旨在实现长效的数据传输过程,减少电网功率消耗。总的来说,本文致力于研究面向多用应的绿色处理和长效绿色传输过程,保障多应用请求的长时间绿色响应,提高系统计算资源和可再生能量利用率,保障更多应用请求有效响应服务。具体工作和贡献如下:1)面向多应用请求的绿色卸载和处理方案研究。在MEC系统下,考虑终端设备有限的功率、计算资源供应和应用处理时延需求,充分利用终端间计算资源共享机制并结合边缘云端卸载机制,构建终端设备总功耗最小化问题,研究计算卸载决策、功率分配和应用处理顺序的联合优化方案。基于贪婪配置算法和冒泡排序思想,提出并设计了低复杂度的绿色卸载与应用处理排序算法(Green Offloading and Application Processing Sorting Algorithm,GOAPSA),并从理论上给出了GOAPSA的复杂度分析。仿真结果显示,GOAPSA可以有效降低系统总能耗并提高有效服务的应用请求数量。2)绿色长效的功率配置和分割方案研究。在混合供能SWIPT系统下,考虑无线接入节点有限电池容量、终端设备异构信息获取和能量获取需求,构建业务驱动的电网功耗最小化问题,研究可再生能量协作、传输功率分配、功率分割的联合调配方案。基于块坐标下降法(Block Coordinate descent,BCd)和分类讨论思想,提出并设计了自适应功率配置与分割算法(Adaptive Power Scheduling and Splitting Algorithm,APSSA)。并从理论上对APSSA进行了复杂度分析。仿真结果证明APSSA控制下的系统可以保障所有智能终端的长效信息获取需求,并降低电网功率消耗约76.6%。

关键词：多接入边缘计算 d2d卸载无线携能通信计算资源分配系统功率配置绿色应用响应

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

基于博弈的混合计算卸载策略研究与实现

基于博弈的混合计算卸载策略研究与实现

引用

作者：龚连敏南京航空航天大学

学位级别：硕士

移动边缘计算(Mobile Edge Computing,MEC)将具有计算、存储能力的云计算平台下沉到网络边缘,在一定程度上可以实现用户近距离卸载,满足计算密集型应用在低时延和高计算能力等方面的关键需求。然而,随着物联网的普及,有计算卸载需求的... 详细信息

移动边缘计算(Mobile Edge Computing,MEC)将具有计算、存储能力的云计算平台下沉到网络边缘,在一定程度上可以实现用户近距离卸载,满足计算密集型应用在低时延和高计算能力等方面的关键需求。然而,随着物联网的普及,有计算卸载需求的用户逐渐增加,传统MEC计算卸载环境下,MEC服务器计算资源相对有限,难以满足海量用户计算卸载的需求。采用基于设备到设备(device-to-device,d2d)卸载进行辅助计算能够在有效弥补MEC计算中服务器资源不足的基础上,进一步减少任务计算代价,并提升移动用户体验质量。本文致力于研究在d2d卸载辅助下物联网边缘计算卸载策略,主要工作如下:(1)在基于d2d辅助卸载的物联网边缘计算中,使用部分卸载的思想将单个大型计算任务进行拆分并行运行在不同计算节点以降低任务计算时延与能耗,即通过任务拆分将计算任务按一定比例分解成本地执行、d2d卸载和MEC卸载三个部分。由于蜂窝链路传输干扰与d2d链路传输干扰,移动用户卸载决策选取影响着相互之间的计算任务的时延与能耗。基于此,本文将移动用户卸载决策问题构建成了序贯博弈模型,设计了一种基于博弈的单任务混合卸载方案,并证明了该卸载方案下博弈纳什均衡点的存在性,表明在该方案下用户卸载策略可以收敛到一个稳定的状态。仿真实验表明,在以计算卸载代价和效用为优化目标时,论文提出的计算卸载方案均优于对比方案。(2)针对面向应用级的计算任务,考虑了应用子任务之间存在着一定的依赖关系,研究在d2d卸载辅助下基于应用级计算任务的计算卸载策略。首先,将可以同时并行执行的子任务卸载到不同的计算节点,利用并行计算的特点来降低用户计算任务的时延与能耗,移动用户可以通过调整应用任务的卸载决策从而使得自身计算代价最小。其次,考虑MEC服务器计算资源有限,设定MEC服务器通过对计算资源进行定价的调整从而获得最大利润。基于此,本文将卸载决策问题转化为斯塔克尔伯格(Stackelberg)博弈问题,并证明了博弈载给定MEC定价策略情况下移动用户决策子精炼纳什均衡的存在性。为了对所提问题进行求解,提出了一种基于Stackelberg博弈的混合计算卸载算法。仿真结果表明所提算法能够在有效提升MEC服务器收益的同时,有效降低移动用户的计算成本。(3)针对基于Stackelberg博弈的应用级任务混合卸载方案,设计了仿真计算卸载系统用于为用户制定计算卸载策略与MEC服务器资源定价。

关键词：移动边缘计算计算卸载博弈 d2d卸载部分卸载

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

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

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

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：