论文部分内容阅读
随着通信网络的数据量与日俱增,人们对移动通信系统的容量、速率和时延等各方面的要求越来越高,5G标准推进组织(如5GPPP,3GPP等)对新一代移动通信系统提出了一系列性能指标要求,要求5G的通信系统的容量要达到目前LTE网络的1000倍,同时保证数据传输具有更高的可靠性与更低的时延。为此,学术界和工业界提出了大规模MIMO、超密集组网、小区虚拟化以及移动边缘计算(Mobile Edge Computing,MEC)等关键技术,本文所研究的MEC技术是未来5G移动通信网络中的关键技术之一,是指在无线接入网络(RAN)侧部署MEC云服务器,为无线接入网提供IT服务环境和云计算能力,确保高效的网络操作和缩短服务交付的时延,以此提升用户的体验。本文在研究MEC基本原理、网络架构及调研了相关的应用场景基础上,对现有的计算卸载决策算法进行深入的研究。首先讨论在宏蜂窝场景下,根据MEC服务器的资源有限,对需卸载计算任务的用户进行选择,在MEC服务器的计算资源先到先服务的调度方式基础之上,进行数学建模,通过将量子行为粒子群优化算法引入其中,设计了相应的粒子可行解形式及适应度函数,通过子载波分配来有效地降低用户计算任务的完成时间,以达到系统性能优化的目标。同时为降低求解复杂度,将注水算法融入其中,提出了一种基于混合量子行为粒子群优化的计算卸载决策算法。仿真结果表明,所提算法能够有效降低用户的计算任务完成时间,并且该算法所得解接近最优解,求解速度较快。其次本文还研究了车联网场景下的MEC计算卸载决策算法。在描述了基于MEC云的车载网场景的基础上,根据车载用户的位置、速度及任务相关信息,将车载用户的计算卸载过程进行了分类并给出相应的计算完成时间的数学表达式。并将计算卸载决策问题描述为二维0/1背包问题的模型。最后,本文提出了一种效用函数与动态规划相结合的求解方法,并给出了具体的算法流程。仿真结果表明所提算法能够显著降低车载用户的计算任务完成时间。今后进一步研究工作可以考虑多个MEC云之间相互协作的场景。同时,MEC计算卸载的目标考虑将时间与能耗进行折衷,得到一种更为合适的动态计算卸载决策算法。针对车联网下的MEC计算卸载技术方面,考虑采用预测的方式对车载用户的切换问题深入研究。