移动边缘计算中低能耗的基站群协作处理任务策略研究

发布时间：2025-06-26 01:10

　　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...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题的研究背景
    1.2 国内外研究现状
        1.2.1 任务卸载决策
        1.2.2 资源分配
        1.2.3 移动性管理
    1.3 课题来源及章节安排
第二章 相关理论与技术
    2.1 移动边缘计算基站部署方案
    2.2 移动边缘计算网络模型
    2.3 基站连接拓扑结构
    2.4 MEC中任务的特性
    2.5 动态电压调整技术
    2.6 本章小结
第三章 低负载基站群协作处理任务策略研究
    3.1 基站群模型
        3.1.1 任务卸载模型
        3.1.2 任务队列模型
    3.2 优化目标
    3.3 任务卸载策略
        3.3.1 任务紧急度判断阈值
        3.3.2 任务分片的数据量
        3.3.3 任务卸载决策算法
    3.4 任务队列中计算资源分配
        3.4.1 P2 的对偶问题
        3.4.2 任务分片处理算法
    3.5 仿真设计与分析
        3.5.1 实验仿真参数设置及实验设计
        3.5.2 TDA和 TFHA
        3.5.3 卸载冲突
        3.5.4 蜂窝网络中的节能效果
    3.6 本章小结
第四章 高负载基站群协作处理任务策略研究
    4.1 系统模型
    4.2 优化目标
    4.3 任务卸载判断
        4.3.1 任务分片处理算法分析
        4.3.2 任务卸载判断条件
    4.4 基站群能耗模型的形式和解法
        4.4.1 能耗模型分析
        4.4.2 能耗模型的形式
        4.4.3 能耗模型的解法
    4.5 实验结果及仿真分析
        4.5.1 实验仿真参数设置及实验设计
        4.5.2 实验参数对节能效果的影响
        4.5.3 卸载冲突
        4.5.4 蜂窝网络中的节能效果
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：4052911