论文部分内容阅读
移动边缘计算(Mobile Edge Computing,MEC)可以为移动用户设备(User Equipment,UE)解决计算资源不足的问题。但是在山区、灾后等特殊场景中,基站(Base Station,BS)和MEC设备很难部署。无人机(Unmanned Aerial Vehicle,UAV)携带通信电路和MEC设备在UE所在区域上空飞行或悬停,可以协助UE完成数据收集和实时计算,也可以作为中继节点帮助UE使用BS提供的MEC服务。然而,UAV辅助的MEC系统仍面临着诸多技术挑战和理论课题。针对UAV飞行路径规划、飞行参数控制以及地面终端的数据传输功率控制,还有系统时延及能耗优化等问题亟待解决。本文旨在通过研究UAV辅助的MEC系统中的资源调度机制,如:任务调度、UE与UAV悬停位置间的关联以及UAV飞行轨迹等问题,最小化任务完成时间,降低系统中的时延,提高用户体验。在本文所提出的模型中,UAV既可以为UE提供轻量级MEC服务,也可以作为中继节点将从UE收集来的数据转发给BS执行,并且考虑了UE应用程序中任务的优先级顺序依赖关系。本文具体研究内容如下:研究内容1:在单个UE场景下,通过联合优化任务调度和UAV的悬停位置,建立了最小化任务完成时间问题的数学模型。本文利用基于粒子群算法(Particle Swarm Optimization,PSO)的启发式算法来搜索最佳的UAV悬停位置,进而提出一种有效的迭代算法寻找问题的最优解。通过一系列的对比仿真,本文第三章揭示了UE应用程序中任务大小、任务组的数量以及UAV的最大飞行速度对任务完成时间的影响,并且对如何在多UE场景下进行资源调度提供了思路。研究内容2:针对多UE场景下UAV辅助的MEC系统,本文通过联合优化UE与UAV悬停位置的关联、每一个UAV悬停位置对相关联UE的服务序列以及如何进行任务划分,最小化所有UE应用程序的任务完成时间。由于建立的UAV悬停时间最小化问题是很难找到最优解的两阶段流水作业调度问题,因此本文提出一种用于求解UE关联及任务划分的并行调度算法,并利用Johnson算法解决这个两阶段工作流调度中的服务序列优化问题。一系列的仿真实验结果表明,本文所提出的算法与其它基线方法相比,总能够以最短的执行时间完成所有的任务,进一步验证了本文所提算法的性能。