论文部分内容阅读
近年来,随着移动互联网和物联网的快速发展,人类社会正在迅速迈进万物互联的时代。持续涌现的多种多样的新型移动应用(如增强/虚拟现实、交互式在线游戏和自动驾驶等)和琳琅满目的终端设备(如智能手机、平板电脑以及各种可穿戴设备等)在给人们的生活和生产带来方便的同时,也给移动通信网络带来了巨大的挑战。具体来说,海量的终端设备接入以及无处不在的移动计算推动了移动数据流量的爆炸式增长,加剧了移动网络回传链路的负载。此外,新型移动应用通常是计算密集型的并且对应用的处理时延和能耗十分敏感。因此,在万物互联的时代背景下,人们对未来移动通信网络的回传链路、时延和能耗等方面提出了更高要求,即更低的回传负载、更低的任务处理时延和能耗等。受此驱动,近年来人们提出了移动边缘计算的概念。然而要想有效的应对这些需求,移动边缘计算系统的设计必须合理的利用与协同网络边缘的存储、计算和通信三大资源。基于此,本文将以缓解网络回传链路压力、降低任务处理时延和能耗为目标,深入研究网络边缘的存储、计算和通信资源之间的互操作与联合优化问题。本文的主要研究内容和贡献如下。首先,研究了基站协作场景下基于随机缓存的网络边缘存储资源最优分配方案。具体来说,在大规模异构蜂窝网络中考虑了随机缓存策略,提出了两种基于随机缓存的基站协作方案。利用随机几何等数学工具,为每种协作方案推导了用户请求文件的成功传输概率(即用户能够成功接收其所请求文件的概率)解析表达式。对于每一种协作方案,进一步考虑了成功传输概率最大化的问题以获得最优随机缓存策略。由于两个方案中的优化问题均是复杂的非凸问题,通过探索最优解的一些性质,得到了一般情况下的局部最优解,以及某些特殊情况下的全局最优解。仿真结果表明,在两种基站协作场景下,同其它缓存策略(如最大流行度缓存、独立同分布缓存和均匀缓存等)相比,本文提出的最优随机缓存策略在有效缓解回传链路压力的同时还能为移动用户提供尽可能好的服务质量。其次,研究了移动场景下协同随机缓存和基站随机非连续传输的联合最优网络边缘存储资源分配与基站传输调度方案。具体来说,在大规模异构蜂窝网络中考虑了随机缓存策略,从减少用户干扰功率以及干扰相关性角度研究了随机缓存和基站随机非连续传输的协同机制。同时,为了反映用户的移动性对随机缓存设计的影响,考虑了用户高速移动和静止两种特殊的移动场景,并在给定最大传输时延的情况下,分析和优化了两种移动场景下用户请求文件的成功传输概率。具体来说,在每一种移动场景下,利用随机几何等数学工具,推导了成功传输概率闭合表达式。理论分析表明:1)在每种移动场景下文件的存储概率越高,文件的成功传输概率越大;2)随机非连续传输只能提升静止用户的文件成功传输概率,并且提升的幅度随着移动速度的增加而逐渐消失。随后,在每一种场景下研究了成功传输概率最大化问题。考虑到问题的非凸性,通过充分挖掘优化问题的结构特点,在高速移动场景下,获得了半解析形式的全局最优解,在静止场景下,开发了一种低复杂度的迭代算法并获得了问题的局部最优解。仿真结果表明,与现有其它方案相比,本文提出的联合随机缓存和随机非连续传输方案在缓解回传链路压力提升用户服务质量方面有显著优势,并且能够很好地适应系统参数的变化,合理的使用存储资源以及调整基站传输策略。再次,研究了移动边缘计算系统中高能效联合上下行子信道、数据和通信时间分配方案。考虑一个多用户移动边缘计算系统,采用时分双工模式并考虑正交频分多址接入。建立一个联合计算和通信的移动边缘计算数学模型,其中移动用户的计算任务处理包括了任务输入数据上传,任务处理以及任务计算结果下载三个部分。为了获得最优上下行子信道、数据和通信时间联合分配方案,在给定任务处理时延约束下,建模了一个移动边缘计算系统能耗最小化问题。考虑到优化问题是一个非常复杂的非凸混合整数非线性规划,在使用McCormick Envelope方法将原问题等价转换为凸的混合整数非线性规划问题后,最优联合分配方案可以由分支定界法获得。由于分支定界法具有指数的时间复杂度,因而不适合当用户数或可用子信道数较大时问题的求解。为此,接下来开发了两种低复杂度算法。具体来说,第一种算法基于连续松弛,获得了原始优化问题的一个可行解;第二种算法基于惩罚凹凸过程,获得了原始问题的一个驻点。仿真结果表明,所提低复杂度算法能以多项式时间复杂度获得与分支定界法接近的能耗性能。最后,研究了移动边缘计算系统中高能效联合软件缓存、计算卸载和上下行通信时间分配方案。考虑一个多用户移动边缘计算系统,采用时分双工模式并考虑时分多址接入。提出一个新的联合存储、计算和通信的移动边缘计算数学模型,涵盖了包括应用软件获取(通过回传链路)、软件缓存和软件多播,以及任务输入数据上传、任务执行和计算结果下载(考虑计算结果的大小不可忽略)等多个阶段。为了获得最优软件缓存、计算卸载和上下行通信时间联合分配方案,在给定任务处理时延以及缓存容量约束下,建模了一个移动边缘计算系统加权和能耗最小化问题。该问题是一个非常具有挑战性的大规模双时间尺度非凸混合整数非线性规划问题。在将原问题等价变换为相应的凸混合整数非线性规划问题后,开发了两种低复杂度快速算法获得了软件缓存、计算卸载和上下行通信时间联合分配方案。具体来说,第一种算法基于连续松弛和一致性交替方向乘子法,获得了原始优化问题的一个可行解;第二种算法基于惩罚凹凸过程和一致性交替方向乘子法,获得了原始问题的一个驻点。仿真结果验证了联合方案的有效性,并且通过与其它方案对比,表明了所提出的联合方案在联合利用网络边缘存储、计算和通信资源方面的显著优势。