论文部分内容阅读
移动云计算(Mobile Cloud Computing,MCC)为各种移动设备提供了资源丰富的云计算环境,移动终端设备可以将计算任务卸载到性能更优的云服务器上运行,从而增强了移动终端的能力,降低了移动终端的能量消耗,但根据无线网络状况会使服务请求的执行时延增大。如何权衡移动设备的能量消耗,执行时延及其它性能成为MCC中计算卸载问题的研究热点。本文重点研究移动云计算网络中的计算卸载策略问题。首先,在构造的移动自组织云(Ad Hoc Mobile Cloud)的计算卸载模型中,通过主设备对系统中各个从设备的定价和各个从设备根据定价、不方便系数等参数提供的执行单元的数量两方面进行了研究,构造了一个两层的斯塔克尔伯格(Stackelberg)博弈,证明了该博弈的纳什均衡点存在且唯一,利用拉格朗日(Lagrangian)函数求得此模型的最优策略。其次,对单用户在有雾服务器接入和无雾服务器接入两种情形下的计算卸载策略进行了研究。当有雾服务器接入时,引入排队论模拟移动设备端、雾服务器的任务执行过程,结合雾服务器的负载均衡,求得了移动设备的能量消耗和执行时延,提出了最小化能量消耗和执行时延(Energy consumption&execution Delay,E&D)的多目标优化问题。当没有雾服务器接入时,用户通过广域网(Wide Area Network,WAN)将服务请求直接卸载到远程云,会产生较长的传输时延,同样利用排队论模拟移动设备端、远程云的任务执行过程,提出了此情形下的E&D问题。基于内点法(Interior Point Method,IPM)求解了模型在不同的情形下该移动设备的最优卸载概率。再次,对多用户在有雾服务器接入时的计算卸载策略进行了研究。同样引入排队论对移动设备端、雾服务器、远程云服务器的任务执行过程进行模拟,结合雾服务器的负载均匀,提出了最小化移动设备的能量消耗、执行时延、价钱花费(Energy consumption&execution Delay&Price cost,E&D&P)的多目标优化问题,求解了模型中各个移动设备的最优卸载概率和发送功率。然后,对具有社交关系(Social Realationship)和能量收集(Energy Harvesting)的多用户动态计算卸载策略进行了研究。同样,利用排队论对每个时隙内的移动设备端、雾服务器、远程云服务器任务执行过程进行模拟。因移动设备具有能量收集的功能,使得电池能量在相邻时隙间具有耦合关系。基于此,提出了一个与移动设备群相关的执行花费最小的共享凸约束的广义纳什均衡(Generalized Nash Equilibrium Problem,GNEP)问题。通过处理,利用带有Armijo线搜索的半光滑牛顿法求解了与GNEP等价的模型的KKT系统,得到了模型中各个移动设备在各个时隙的最优决策。最后,基于李雅普诺夫(Lyapunov)优化算法也对多用户的动态计算卸载策略进行了研究。移动设备以正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)的方式接入子信道,可以在各个时隙动态选择子信道的数量和传输功率。移动设备的能量收集功能使得电池能量在时隙间具有耦合关系。基于Lyapunov优化算法求解了系统的平均执行花费最小的目标优化问题,从而得到了模型中各个移动设备在各个时隙的最优执行策略、最优信道选择策略和最优的发送功率。