论文部分内容阅读
随着移动互联网的发展及智能终端的普及,增强现实、虚拟现实及自然语言处理等新型应用不断涌现。然而,各类新型应用的计算资源密集特性对智能终端任务处理能力提出严峻挑战。为解决上述问题,移动边缘计算(Mobile Edge Computing,MEC)技术应运而生。该技术通过将具备较强计算能力的MEC服务器部署至无线接入网络中,支持用户将任务卸载至MEC服务器执行计算,可有效降低终端任务执行时延及能耗,显著提升用户服务质量。在MEC系统中,综合考虑任务特性及系统可用状态,设计高效的任务卸载及资源分配机制具有重要意义。本文针对MEC系统联合任务卸载及资源分配算法开展研究,具体内容如下:本文在对MEC技术的概念及架构进行概述的基础上,对MEC关键技术及主要应用场景进行阐述,并对MEC系统任务卸载及资源分配算法的研究现状进行分析和总结。针对支持设备间通信(Device-to-Device,D2D)的蜂窝MEC系统,本文提出一种基于开销优化的联合任务卸载及资源分配算法。定义任务执行开销为任务执行所需时延及能耗的加权和,并综合考虑任务卸载、任务划分、传输速率及资源分配等限制条件,建模联合任务卸载及资源分配问题为任务执行开销最小化问题。由于该问题为混合整数非线性规划(Mixed Integer Non-Linear Programming,MINLP)问题,采用传统优化方法难以求解。本文提出一种启发式算法,将原问题转换为任务卸载子问题及资源分配子问题,并采用库恩-芒克勒斯(Kuhn-Munkres,K-M)算法和拉格朗日对偶方法依次求解,从而确定联合任务卸载及资源分配优化策略。针对支持密集组网的蜂窝MEC系统,提出一种基于能耗优化的联合任务卸载及资源分配算法。定义任务执行能耗为系统中各用户任务执行所需能耗的最大值,并综合考虑任务卸载、功率分配、传输速率及计算资源分配等限制条件,建模联合任务卸载及资源分配问题为最大任务执行能耗最小化问题。由于所建模问题为混合整数非线性规划问题,采用传统优化方法难以直接求解。本文提出一种启发式算法,将原问题转换为功率分配子问题和任务卸载及计算能力分配子问题,并采用分式规划法、拉格朗日对偶方法、变量松弛与替换及上界替换等方法进行求解,从而确定联合任务卸载及资源分配策略。