收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向节能的移动边缘计算的卸载策略研究

周晓敏  
【摘要】:无线通信技术的蓬勃发展促进了移动互联网的快速发展,网络边缘的移动设备上每时每刻都在产生庞大的数据量。移动设备相对于网络中心的云服务器来说计算资源、存储资源、电池能耗都十分有限,难以实时处理如此多的数据。为了解决这个日益突出的问题,新兴的计算框架——移动边缘计算(Mobile Edge Computing,MEC)应运而生。移动边缘计算具有时延低、节能、降低核心网拥塞等优势。本文即是面向节能这一优势来研究移动边缘计算。本文共提出三个边缘计算场景,分别是单用户-多MEC服务器场景、多用户-单MEC服务器场景、多用户-多MEC服务器场景。在这三个场景下分别研究卸载决策、资源分配问题。共同点为目标均是在满足任务的时延限制条件下使得系统总能耗最低。在单用户-多MEC服务器场景中,用户移动设备上有若干个计算任务等待卸载,优化变量是任务的卸载决策(即某个任务卸载到哪个MEC服务器上或者不进行卸载)、以及移动设备的发射功率分配(即移动设备分别为每个任务分配多少发射功率)。提出了 AOA(Alternately Optimizing Algorithm)算法,第一步通过KM(Kuhn-Munkras)二部图匹配算法来求得卸载决策,第二步通过数学的单调性证明求得发射功率分配的解析解。在多用户-单MEC服务器场景中,有多个用户移动设备上的任务申请卸载到MEC服务器中,由MEC服务器集中决策分配通信资源(子载波)和计算资源(MEC服务器CPU频率)。由于优化变量一个是离散整数一个是连续小数,一般的优化方法较难解决,所以采用机器学习回归算法。回归算法可用来模拟输入和输出之间的非线性关系,输出为连续值。为了获取训练数据,随机生成10000条数据并通过离散化输入空间来穷举得到标签。然后比较三种回归算法:随机森林、Xgboost、人工神经网络对结果拟合的好坏。通过计算相应的系统能耗发现,人工神经网络能取得接近最优解的资源分配。在多用户-多MEC服务器场景中,研究移动设备如何选择卸载对象能够取得最小系统能耗。优化变量为移动设备的卸载决策。记移动设备个数为K,MEC服务器个数为M,则解空间有K*(M+1)种可能性。应用人工鱼群算法,将优化变量映射为人工鱼的位置坐标(K维),并将目标函数和限制条件转换为食物浓度函数。通过离散化步长和对坐标取值限制上下界,迭代求解。因为算法不能保证跳出局部最小值,因此结果为次优解。通过与随机卸载方式和不卸载方式进行对比发现能够取得更低的系统能耗。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 陆俊明;张向锋;;一种改进的粒子群人工鱼群算法[J];上海电机学院学报;2019年01期
2 徐建波;戴月明;严大虎;;猴群空翻机制作用下的自适应人工鱼群算法[J];软件导刊;2018年01期
3 熊彪;刘徐秀;宋红萍;赵佰亭;;基本鱼群算法的改进方法[J];科技风;2018年06期
4 李君;梁昔明;;人工鱼群算法收敛速度改进优化仿真[J];计算机仿真;2018年01期
5 朱俚治;;关于人工鱼群算法的综述[J];电脑知识与技术;2018年04期
6 李辉;;分组进化人工鱼群算法[J];海南师范大学学报(自然科学版);2016年04期
7 王丽;宫建平;;基于递减反馈视野的人工鱼群算法改进与应用[J];计算机应用与软件;2016年11期
8 王志敏;;基于时变衰减函数的改进人工鱼群算法研究[J];甘肃科技纵横;2017年05期
9 刘荣荣;张靠社;张刚;刘桐;;基于自适应人工鱼群算法的微电网优化运行[J];电网与清洁能源;2017年04期
10 王扉;;一种新的改进人工鱼群算法[J];湖南城市学院学报(自然科学版);2017年04期
11 贺振宗;齐宏;贾腾;阮立明;;改进人工鱼群算法在气溶胶粒径分布反演中的应用[J];中南大学学报(自然科学版);2016年06期
12 孙王杰;卢月亮;孙书贝;巩晓悦;;基于约束优化问题的人工鱼群算法及其改进[J];吉林化工学院学报;2014年11期
13 刘宏玉;蔡延光;汤雅连;王华;;全局人工鱼群算法求解水果运输调度问题[J];广东技术师范学院学报;2014年11期
14 刘海平;;基于混合人工鱼群算法的凸多面体碰撞检测研究[J];计算机科学;2014年S1期
15 唐春菊;刘衍平;;全局人工鱼群算法在类间方差图像分割中的应用与实现[J];声学与电子工程;2013年01期
16 李媛;;基于人工鱼群算法处理圆度误差[J];大庆师范学院学报;2013年03期
中国重要会议论文全文数据库 前8条
1 彭懿;李丽娟;;人工鱼群算法用于桁架结构优化设计[A];第十四届空间结构学术会议论文集[C];2012年
2 邢宁哲;李信;常海娇;李财云;;基于改进人工鱼群算法的电力无线专网基站规划[A];2016智能电网发展研讨会论文集[C];2016年
3 李晓磊;钱积新;;人工鱼群算法:自下而上的寻优模式[A];过程系统工程2001年会论文集[C];2001年
4 范为;;基于蚁群和鱼群混合算法的电力系统无功优化研究[A];中国电机工程学会第十三届青年学术会议论文摘要集[C];2014年
5 甘旭升;吴亚荣;孙静娟;杨国洲;葛瑞;;基于集对分析和AFSA-SVM的军航空管安全评价研究[A];第一届空中交通管理系统技术学术年会论文集[C];2018年
6 姜曜;嵇艳鞠;;基于人工鱼群算法的瞬变电磁无网格法形状参数的计算[A];2018年中国地球科学联合学术年会论文集(二十九)——专题59:计算地球物理方法和应用、专题60:地热资源成因新理论与综合探测新技术[C];2018年
7 胡祖志;何展翔;刘云祥;王永生;赵文举;杨辉;;基于人工鱼群的重力并行约束反演[A];2017中国地球科学联合学术年会论文集(四十二)——专题81:应用地球物理学前沿、专题82:工程结构性态化设计与地震韧性、专题83:地球重力场及其地学应用[C];2017年
8 孔璐蓉;鞠彦兵;;智能仿生算法研究综述[A];第12届全国信息管理与工业工程学术会议论文汇编[C];2008年
中国博士学位论文全文数据库 前10条
1 朱旭辉;基于二元人工鱼群算法的属性选择与集成剪枝及应用研究[D];合肥工业大学;2018年
2 陈康先;可信环境下的宽带快速接入研究与工程应用[D];华南理工大学;2017年
3 张新雨;一类复杂工业环境中若干关键参量检测与处理方法研究[D];西安理工大学;2016年
4 费腾;改进人工鱼群算法及其在物流选址优化中的应用研究[D];天津大学;2016年
5 王联国;人工鱼群算法及其应用研究[D];兰州理工大学;2009年
6 全浩军;盲优化软硬件划分技术研究[D];天津大学;2013年
7 何小锋;量子群智能优化算法及其应用研究[D];上海理工大学;2014年
8 王飞;地面等待策略中的时隙分配模型与算法研究[D];南京航空航天大学;2010年
9 张安平;基于有限测点响应的结构动态响应计算[D];南京航空航天大学;2014年
10 范德明;基于智能算法的应用层组播算法设计与研究[D];山东大学;2015年
中国硕士学位论文全文数据库 前10条
1 周晓敏;面向节能的移动边缘计算的卸载策略研究[D];北京邮电大学;2019年
2 孙奇;基于人工鱼群算法的正则表达式分组研究[D];深圳大学;2018年
3 袁明鑫;基于声波实验与人工鱼群算法结合进行声波测井裂缝参数评价[D];吉林大学;2018年
4 虎群;车间作业调度问题的群智能算法研究[D];西安理工大学;2013年
5 牛晋财;基于人工鱼群算法的列车运行调整方法研究[D];兰州交通大学;2018年
6 杨明晓;基于人工鱼群算法的交通信号灯控制方法研究[D];华北电力大学;2018年
7 周冬晴;基于改进人工鱼群算法的分布式电源规划研究[D];湖南大学;2018年
8 周忠媛;基于kNN和CAFSA的配电网故障区段定位的研究[D];东北石油大学;2018年
9 李君;基于局部搜索的人工鱼群算法的改进及应用研究[D];北京建筑大学;2018年
10 鲍海兴;基于人工鱼群算法的目标跟踪与识别[D];湖南工业大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978