论文部分内容阅读
随着第五代移动通信(The Fifth Generation,5G)技术、物联网以及智能移动终端的发展,增强现实、视频通话、语音聊天等移动数据业务带给用户全新的体验。但是,移动终端是资源受限的设备,种类繁多的应用在丰富人们日常生活的同时,也在消耗着有限的终端设备资源,从而直接降低人们对应用服务的体验质量(Quality of Experience,QoE)。移动边缘计算(Mobile Edge Computing,MEC)可减少时延,确保高效的网络操作和服务交付,并提供改进的用户体验,因而受到广泛的关注。本学位论文围绕移动边缘计算系统中的资源分配展开研究,分别提出基于并行拍卖的联合资源分配算法以及基于分层博弈的资源分配算法。本学位论文的主要工作如下:(1)详细阐述MEC系统中的资源分配的研究现状、关键技术以及存在的问题,并介绍博弈论和拍卖理论在资源管理方面的研究与应用。(2)提出种移动边缘计算场景下基于并行拍卖的联合资源分配(Joint Resource Allocation based on Parallel Auction,JRAPA)算法。该算法将无线资源与云资源的联合分配建模为拍卖过程,旨在最大化资源提供者(Service Provider,SP)的效用,同时满足用户时延等需求。该拍卖过程包括投标、胜者决定以及定价阶段。在投标阶段,用户综合考虑SP的可用资源以及距离等因素来决定投标向量和投标优先级,从而减少处理时延,提高成功交易率。在胜者决定阶段,提出基于资源约束的效益排序(Resource Constrained Utility Ranking,RCUR)算法来决定拍卖的胜者,从而最大化资源供应者的效益;将无线资源与云资源的拍卖并行处理以实现用户与资源提供者的快速匹配,提高算法收敛速度。在定价阶段,采用密封次高价定价规则(Sealed Second-Price Rule,SSPR)来保证资源定价与投标价格的独立性。仿真结果表明,与现有算法相比,该算法成功交易率更高,资源提供者的平均效益更高,用户任务处理时延更低。(3)提出一种移动边缘计算系统中基于分层博弈的资源分配算法(Hierarchical game based Resource Allocation Algorithm,HGRAA),包括底层演进博弈(Lower-level Evolutionary Game,LEG)和上层完全势博弈(Upper-level Exact Potential Game,UEPG)。针对不同业务类型的用户,利用演进博弈来对SP选择问题进行建模,通过动态复制来获得稳定的种群状态,最小化用户代价并满足不同类型用户的服务质量(Quality of Service,QoS)需求。建立完全势博弈模型解决MEC服务器的资源共享问题,在满足用户QoS约束下最大化服务器的效益。证明分层博弈纳什均衡(Nash equilibrium,NE)的存在性和唯一性。仿真结果表明提出的算法中MEC服务器的平均收益及资源利用率均高于现有算法,降低了移动终端代价。(4)总结本学位论文研究工作,并对下一步的研究进行展望。