基于任务调度和功率分配的移动边缘计算系统延迟优化方法研究

摘要

随着移动互联网的快速发展，手机等移动设备已经能够实现多媒体处理、人脸识别、增强现实等复杂应用。移动终端由于体积较小，拥有的计算能力和电池储备都十分有限，因此不适合独立处理复杂计算任务。将复杂计算任务卸载至中心云上执行可以解决移动设备的这一问题。但是这种方式会增加核心网络上的网络负载，从而导致任务传输时间过长。而移动边缘计算是一种将云服务和功能转移到网络边缘的有效架构，该架构通过将终端用户的计算密集型任务卸载至边缘服务器执行来提高服务质量。在移动边缘计算架构中，任务不必通过中心网络传输，而是在网络边缘就得到处理。　　在一个移动边缘计算系统中进行任务卸载时，卸载策略以及资源分配方式会很大程度地影响到系统效率。因此，本文主要研究移动边缘计算系统中的任务卸载调度和功率分配算法。本文考虑一个包含多用户、多服务器的移动边缘计算系统，每个用户可以选择系统内的一个边缘服务器来执行其计算任务，最终目标是最小化系统延迟(即最大服务器延迟)。本文的主要研究内容、贡献及创新点如下：　　1)定义了一个基于任务调度和功率分配的系统延迟优化问题。为解决该问题，本文将原问题分解为两部分：任务卸载调度问题和发射功率分配问题。最终采用两个子问题循环迭代解决的方式的到原问题的求解。　　2)将任务卸载调度问题分解为用户-服务器匹配和用户-子信道匹配两个子问题。采用匹配理论，对用户-服务器、用户-子信道进行一对一匹配。其次，通过将功率值离散化的方法，本文提出了一个启发式算法为终端设备分配发射功率。　　3)将本文提出的算法JTOTPA与现有三种算法(DCORA、SDS、RS)进行对比试验，分别就系统延迟、能量消耗和综合性能进行比较评价。实验结果显示，JTOTPA不仅获得较小的系统延迟，产生的用户能耗也最小，综合性能优于其余方法。　　4)现有研究主要以缩短用户等待时间/减少用户能耗为优化目标，本文从运营商的角度出发，以缩短系统延迟为优化目标，这种方式有助于提高系统吞吐量；现有研究针对计算任务大多只考虑其数据量，本文加入单位数据工作量的考量，这使得本文的算法模型更贴合实际。

目录

声明

附表索引

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 单用户MEC系统

1.2.2 多用户MEC系统

1.2.3 包含异构服务器的MEC系统

1.3 本文主要工作

1.4 论文组织结构

1.5 本章小结

第2章 相关工作

2.1 移动边缘计算架构

2.2 计算卸载技术

2.3 匹配理论

2.4 评价指标

2.5 本章小结

第3章 系统模型介绍和系统延迟优化问题定义

3.1 系统模型介绍

3.1.1 网络模型

3.1.2 计算任务和服务器模型

3.1.3 卸载决策模型

3.1.4 任务上传模型

3.2 系统延迟优化问题定义

3.2.1 时间延迟

3.2.2 任务完成过程

3.2.3 问题定义

3.3 本章小结

第4章 联合任务卸载调度和功率分配的次优算法

4.1 问题分解

4.2 任务卸载调度

4.2.1 延迟接受算法

4.2.2 服务器分配

4.2.3 子信道分配

4.3 发射功率分配

4.3.1 方法

4.3.2 算法

4.4 迭代最小化算法

4.5 本章小结

第5章 实验验证

5.1 实验设置和方法介绍

5.2 系统延迟评价

5.2.1 任务数据量

5.2.2 任务工作量

5.3 能量消耗评价

5.3.1 任务数据量

5.3.2 任务工作量

5.4 综合评价

5.5 本章小结

结论

参考文献

附录A 发表论文和参加科研情况说明

致谢