论文部分内容阅读
智能终端的普及带动了移动通信产业的发展,各种新型应用随着移动通信的发展而不断涌现。然而,受到终端自身资源的限制,智能终端无法满足部分应用对计算性能的需求,需要高性能的计算设备代替其完成部分计算任务。移动边缘计算(Mobile Edge Computing,MEC)技术的出现为其提供了可能。移动边缘计算技术将具有计算和存储能力的云计算平台迁移到移动接入网络边缘,将传统的通信网络与互联网业务融合,通过为无线接入网络提供云计算与存储能力,使传统业务的近距离部署成为可能。尽管如此,移动边缘计算仍存在着网络覆盖密度小,中心计算节点负载量过大等问题。基于上述问题,本文提出了将移动边缘计算与超密集异构组网(Ultra-DenseNetwork,UDN)技术相结合的思想,通过增大基站部署密度,实现频率复用效率的巨大提升,解决移动边缘计算存在覆盖盲区的问题。除此之外,本文提出了一种分布式计算卸载模型,来取代传统的集中式计算卸载思想,缓解集中式计算卸载中心节点压力,提升移动边缘计算系统的可靠性和稳定性。基于超密集网络架构下的移动边缘计算为用户的接入和计算卸载提供了更多的选择性。本文提出了联合考虑前向和后向链路的计算卸载策略以及分布式的计算任务分配方案,在用户最低时延限制下,实现了计算卸载能量消耗最小化的目的。本文的主要工作内容总结如下:第一,对移动边缘计算技术的研究现状进行了分析,详细的介绍了超密集网络架构下的移动边缘计算技术的发展,对移动边缘计算中任务分割策略和卸载策略做了分类的介绍,并对移动边缘计算中所使用的计算卸载算法和模型进行了归纳总结。第二,针对超密集网络架构中MEC技术特点,设计并实现了一种前、后向链路联合优化的计算卸载策略。首先联合考虑前向和后向链路情况,以最小化能量开销为目标,建立了一定时延限制条件下的计算卸载策略模型。其次,建立了计算卸载能量优化函数,通过改进的人工鱼群算法对所提目标函数进行优化。通过对算法的仿真,证明了所提算法的性能,同时对算法的收敛性也进行了分析。第三,设计并实现了一种超密集网络场景下的分布式计算卸载方案。首先对计算卸载过程中的通信资源和计算资源进行建模,量化了计算卸载过程中的能量开销和时延开销。其次,引入博弈理论解决本文所提分布式计算卸载问题,将基于时延限制的能量优化目标函数转化为潜在博弈方程,并根据潜在博弈算法,得到全局最优解。通过将仿真结果和其他计算卸载算法相比较,可以看出,本文设计的分布式计算卸载算法能够有效的节约用户计算卸载过程中的能量开销,实现节约计算能源的目的。