论文部分内容阅读
移动边缘计算(Mobile Edge-computing,MEC)系统中,智能移动设备(Smart Mobile Device,SMD)通过向边缘基站卸载任务能够有效的降低SMD的能量消耗,降低任务处理的时延。现有的有关移动边缘计算的研究主要集中在智能移动设备的能耗和任务处理时延,而有关基站群协作处理任务的研究很少。现有的关于基站群协作任务处理的研究中,主要采用集中式的方法进行任务分配,但是模型中忽略了集中式处理的数据交互代价,同时集中式的任务分配不适合高实时性的移动边缘计算系统。本文主要以最小化基站的总能耗为目标,研究基站间的任务卸载策略和计算资源分配方案,给出不需要全局信息的分布式任务卸载策略和计算资源分配方案,并分析无全局信息的分布式卸载策略和计算资源分配方案和全网络最优分配方案之间的差距。针对基站任务队列负载较低的情形,引入动态电压调整技术,建立基站群协作处理任务的能耗模型,分别给出了任务卸载策略和计算资源分配方案,确定紧急任务的阈值,以最小化基站群处理任务的能量消耗为优化目标,使用最优化的方法设计了任务卸载策略,采用动态规划的思路设计了计算资源分配方案。通过实验表明,在一个低负载的10?10的蜂窝网络中,使用任务卸载决策算法和任务分片处理算法,可以使得整个网络的能耗降低30%~40%。针对基站任务队列高负载的情形,同样引入动态电压调整技术,联合考虑任务卸载策略和计算资源分配方案,建立了相应的基站群协作处理任务的能耗模型,给出了适用范围更广的任务卸载判断条件;通过对任务分片处理算法的分析,将基站群协作处理任务的能耗模型分为两种,同样以最小化基站群处理任务的能量消耗为优化目标,建立了两个非线性问题,设计了负载均衡算法和断点搜索算法求解问题。通过实验表明,在一个高负载的10?10蜂窝网络中,使用负载均衡算法和断点搜索算法,可以降低整个网络15%左右的能耗。同时展示了无预测性实时任务卸载策略在基站网络不同负载状态下的卸载冲突率。