论文部分内容阅读
随着移动设备(Mobile Devices，MD)性能的提高，各种计算密集型应用得到了快速发展，如增强现实/虚拟现实、3D在线游戏和视频转码等。为了满足时延需求，通常需要为这些应用提供充足的计算资源和能量资源。然而，MD的资源和能量有限，无法独立完成这些计算密集型应用的运算。传统的云计算可以将计算任务卸载到云中心执行，但由于MD距离云中心较远，卸载计算任务时势必会消耗大量的能量和增加计算时延，从而影响用户的计算体验。此外，当大量的计算任务同时卸载到云中心时，也会造成网络的拥塞。于是在这种背景下，移动边缘计算(Mobile Edge Computing，MEC)被提出。通过在靠近移动用户端的基站(Base Station，BS )、无线接入点(Access Point，AP)和路测单元(Road Side Unit，RUS)等上安装具有足够计算和存储资源的MEC服务器，MD的计算任务可以直接被卸载到MEC服务器，从而解决了由云计算所带来的长时延、高能耗和网络拥塞等问题。
虽然，MEC能够有效的减少时延、降低能耗和提高用户的计算体验，但是电池容量有限的MDs卸载任务时，计算卸载可能会出现中断。为了解决这个问题，无线功率传输(Wireless Power Transfer，WPT)被引入到MEC系统中。然而目前大多数的文献仅从用户的角度出发来考虑系统的性能，而忽略了营运商的收益。另一方面，MEC服务器中任务和服务迁移所带来的安全和隐私问题是一个很大的挑战。区块链所具有的去中心化优势可以解决这些问题。但是现有的支持区块链的MEC系统的研究方案仅对MEC系统和区块链系统的性能单独的优化，从而导致次优的结果。基于以上原因，本文致力于研究移动边缘计算中的高效资源管理技术，分别从基于无线功率传输的MEC系统和支持区块链的MEC系统两个方面展开研究。在基于无线功率传输的MEC系统中，本文从营运商的角度出发考虑了系统的性能，目的是同时最大化营运商的数据效用和最小化其能耗。在支持区块链的MEC系统中，在考虑MEC系统和区块链系统同时执行任务的情景下，实现了MEC系统和区块链系统的性能最优折衷。本文的主要内容包括：
(1)提出了一种基于无线功率传输的MEC系统的资源分配框架，解决了营运商数据效用最大化和消耗能量最小化问题。具体地，为了防止移动设备卸载计算任务时由于能量不足而引起卸载中断，本文将WPT技术引入到MEC系统中，为MDs提供了计算卸载过程中的能量。MEC服务器执行MDs卸载的数据量作为营运商的收益，为了提高收益，营运商通过给移动设备补给能量来主动鼓励其卸载更多的数据。本文联合对基站端的无线功率分配、用户端的卸载数据大小和功率分配进行优化，在确保卸载时延的约束条件下来同时最大化营运商的数据效用并最小化其执行卸载任务的能耗。为了能高效的解决这个问题，本章首先将计算卸载的时延约束转化为一个卸载数据速率约束。然后，通过利于拉格朗日对偶方法(Lagrangian dual method)，提出了一个高效的迭代算法来得出用户端的卸载数据大小和功率方案。最后，应用所得到的结果获得基站端的无线功率分配。
(2)提出了一种支持区块链的MEC系统中的计算卸载和资源分配框架，解决了区块链系统中时延/时间(Delay/Time to Finality，DTF)最小化和MEC系统中能量最小化问题，实现了两个子系统性能的最优折衷。区块链被部署在MEC服务器上，因此两个子系统共用计算和存储资源，所以这两个子系统存在资源竞争关系。具体地，在MEC系统中，移动设备将计算任务卸载到MEC服务器上，即MEC系统执行计算卸载任务，而区块链系统需要生成块和对生成的块进行共识，达成一致后将块添加到区块链中，即区块链执行块生成和共识任务。本文通过联合优化用户连接、数据速率分配、块生成者调度和计算资源分配，将研究的问题建模成一个优化问题来实现MEC系统的能耗和区块链系统的DTF的最优折衷。由于所提出的问题是一个混合-整数的非线性规划问题很难直接进行求解，为此，我们通过解耦优化变量从而设计了高效的算法。仿真结果显示了所提算法的收敛性，且所提的方案能够很好的实现MEC系统和区块链系统的性能的折衷。
(3)提出了一种支持区块链MEC系统的协同卸载和资源分配框架，解决了区块链系统中吞吐量最大化和MEC系统中计算速率最大化问题。在这个框架中，为了确保MEC系统和区块链系统中节点的数据安全和隐私，我们引入了一个信任模型。同时该框架解决了现有的支持区块链的MEC系统中存在的一些挑战，比如1)MEC系统和区块链系统的联合优化，2)协作计算卸载，3)动态优化。在这个框架里，通过联合优化卸载决策、功率分配、块大小和出块间隔，我们提出了一个多目标优化问题来同时最大化MEC系统的计算速率和区块链系统的交易吞吐量。由于无线衰落信道和处理队列的动态特性，所提的联合优化问题被建模成了一个马尔科夫决策过程(Markov Decision Process, MDP)。针对支持区块链的MEC系统的动态性和复杂性，提出了一种基于A3C的协同计算卸载和资源分配算法来解决这个MDP问题。最后，通过仿真展示了所提算法的收敛性，并将所提的算法与现有的方案进行对比。
虽然，MEC能够有效的减少时延、降低能耗和提高用户的计算体验，但是电池容量有限的MDs卸载任务时，计算卸载可能会出现中断。为了解决这个问题，无线功率传输(Wireless Power Transfer，WPT)被引入到MEC系统中。然而目前大多数的文献仅从用户的角度出发来考虑系统的性能，而忽略了营运商的收益。另一方面，MEC服务器中任务和服务迁移所带来的安全和隐私问题是一个很大的挑战。区块链所具有的去中心化优势可以解决这些问题。但是现有的支持区块链的MEC系统的研究方案仅对MEC系统和区块链系统的性能单独的优化，从而导致次优的结果。基于以上原因，本文致力于研究移动边缘计算中的高效资源管理技术，分别从基于无线功率传输的MEC系统和支持区块链的MEC系统两个方面展开研究。在基于无线功率传输的MEC系统中，本文从营运商的角度出发考虑了系统的性能，目的是同时最大化营运商的数据效用和最小化其能耗。在支持区块链的MEC系统中，在考虑MEC系统和区块链系统同时执行任务的情景下，实现了MEC系统和区块链系统的性能最优折衷。本文的主要内容包括：
(1)提出了一种基于无线功率传输的MEC系统的资源分配框架，解决了营运商数据效用最大化和消耗能量最小化问题。具体地，为了防止移动设备卸载计算任务时由于能量不足而引起卸载中断，本文将WPT技术引入到MEC系统中，为MDs提供了计算卸载过程中的能量。MEC服务器执行MDs卸载的数据量作为营运商的收益，为了提高收益，营运商通过给移动设备补给能量来主动鼓励其卸载更多的数据。本文联合对基站端的无线功率分配、用户端的卸载数据大小和功率分配进行优化，在确保卸载时延的约束条件下来同时最大化营运商的数据效用并最小化其执行卸载任务的能耗。为了能高效的解决这个问题，本章首先将计算卸载的时延约束转化为一个卸载数据速率约束。然后，通过利于拉格朗日对偶方法(Lagrangian dual method)，提出了一个高效的迭代算法来得出用户端的卸载数据大小和功率方案。最后，应用所得到的结果获得基站端的无线功率分配。
(2)提出了一种支持区块链的MEC系统中的计算卸载和资源分配框架，解决了区块链系统中时延/时间(Delay/Time to Finality，DTF)最小化和MEC系统中能量最小化问题，实现了两个子系统性能的最优折衷。区块链被部署在MEC服务器上，因此两个子系统共用计算和存储资源，所以这两个子系统存在资源竞争关系。具体地，在MEC系统中，移动设备将计算任务卸载到MEC服务器上，即MEC系统执行计算卸载任务，而区块链系统需要生成块和对生成的块进行共识，达成一致后将块添加到区块链中，即区块链执行块生成和共识任务。本文通过联合优化用户连接、数据速率分配、块生成者调度和计算资源分配，将研究的问题建模成一个优化问题来实现MEC系统的能耗和区块链系统的DTF的最优折衷。由于所提出的问题是一个混合-整数的非线性规划问题很难直接进行求解，为此，我们通过解耦优化变量从而设计了高效的算法。仿真结果显示了所提算法的收敛性，且所提的方案能够很好的实现MEC系统和区块链系统的性能的折衷。
(3)提出了一种支持区块链MEC系统的协同卸载和资源分配框架，解决了区块链系统中吞吐量最大化和MEC系统中计算速率最大化问题。在这个框架中，为了确保MEC系统和区块链系统中节点的数据安全和隐私，我们引入了一个信任模型。同时该框架解决了现有的支持区块链的MEC系统中存在的一些挑战，比如1)MEC系统和区块链系统的联合优化，2)协作计算卸载，3)动态优化。在这个框架里，通过联合优化卸载决策、功率分配、块大小和出块间隔，我们提出了一个多目标优化问题来同时最大化MEC系统的计算速率和区块链系统的交易吞吐量。由于无线衰落信道和处理队列的动态特性，所提的联合优化问题被建模成了一个马尔科夫决策过程(Markov Decision Process, MDP)。针对支持区块链的MEC系统的动态性和复杂性，提出了一种基于A3C的协同计算卸载和资源分配算法来解决这个MDP问题。最后，通过仿真展示了所提算法的收敛性，并将所提的算法与现有的方案进行对比。