论文部分内容阅读
随着移动互联网和物联网技术的快速发展,人类已经进入万物互联的时代。为了解决传统云计算的高延迟和用户有限的处理能力的问题,提出了移动边缘计算(Mobile Edge Computing,MEC)技术。MEC将计算和存储功能从远程数据中心迁移到靠近用户的网络边缘,旨在快速直接地提供计算服务。移动用户可以将任务卸载到MEC中处理,同时,任务也可以在MEC间进行迁移。因此,本论文在移动边缘计算的框架下,研究任务卸载及迁移问题。首先,在现实网络场景中,用户是随时移动的。用户的移动性将会对任务卸载产生很大的影响。针对此问题,本文研究了在MEC网络中,用户的移动性对任务迁移的影响。其中用户与MEC之间的连接时间是不确定的,若分配的任务与实际连接时间不匹配,则会导致任务迁移。首先,使用多阶段随机规划解决连接时间不确定性的影响。同时,考虑到移动用户可以同时存在多个候选MEC服务器,引入了用于MEC选择的多臂赌博机模型。因此,本文提出了基于随机规划与多臂赌博机的任务卸载及迁移算法(Task Offloaing and Migration Algorithm based on Stochastic Programming and Multi-Arm Bandit,TMSM)。仿真结果表明,该算法在降低时延、能耗、成本以及提高收益方面的有效性。此外,相比于传统的云计算,MEC的计算资源较小。当用户任务量非常大的时候,MEC产生的计算和通信时延也会随之增大,这将成为制约MEC发展的重要因素。因此,从降低时延的角度出发,提出一种通信与计算时延联合优化的任务卸载及迁移算法(Joint Optimization of Communication and Computational Delay of Task Offloading and Migration Algorithm,JOCCM)。该算法可以在MEC网络中判断任务是否进行迁移以及解决任务迁移到何处的问题。仿真实验表明该算法可以有效地降低系统时延。