论文部分内容阅读
无线通信技术与移动互联网的高速发展和日益普及,催生了众多新型计算密集型应用的出现,如增强现实(Augmented Reality,AR)、虚拟现实(Virtual Reality,VR)等,完成这些应用需要高计算能力并产生大量能耗。由于终端自身计算资源及电池容量等方面的限制,智能终端无法满足新兴应用对计算性能的需求。而现有的移动云计算(Mobile Cloud Computing,MCC)架构由于遥远的传输距离,也难以满足用户的低时延高质量需求。移动边缘计算(Mobile Edge Computing,MEC)技术通过在邻近用户侧部署服务器以在无线接入网(Radio Access Network,RAN)边缘提供IT服务和云计算能力。通过计算卸载技术将用户的计算密集型任务传输至MEC服务器上,可以克服MCC架构的缺陷,实现低时延高效率的任务执行,并且解决智能终端计算能力、电池容量受限的问题。本文致力于研究应用端对端(Device-to-Device,D2D)通信的MEC系统中的计算卸载策略,主要工作如下:(1)在应用D2D通信协作的MEC系统中,研究了在任务时延约束下优化任务执行能耗的问题。本文通过设计最优的任务卸载策略以实现高效任务卸载。系统中的用户可选择本地执行自身的任务或将任务卸载至能与其建立D2D连接的用户上执行。首先,为保证任务在时延约束内完成,设立延时惩罚机制。在此基础上,研究最小化系统中所有任务执行总效用值问题,其中,每个任务的效用值由两部分组成,一是任务执行的能耗,二是任务的时延惩罚效用。然后,将该问题建模为最小权重匹配问题,使用匹配算法求解最优任务卸载方案,并提出一种低复杂度的匹配算法。最后,通过仿真验证了所提计算卸载策略的性能。仿真结果显示,所提方案可有效保证任务执行时延并降低执行能耗,此外,所提算法能以较低的复杂度实现近似最优的性能。(2)研究了 MEC系统中的D2D协作计算卸载激励机制。由于大多数空闲用户不会无偿的开放自身的计算资源并加入任务卸载过程,因此本文同时考虑竞价机制以及计算资源分配策略,设计合理的激励机制以鼓励空闲用户开放自身的计算资源。首先,分别为任务用户与空闲用户设计效用函数,将其效用函数优化过程建模为斯坦伯格博弈问题,并提出一种三元搜索算法寻找斯坦伯格博弈均衡点。然后,以最大化系统任务用户效用值为目标进行任务卸载决策,将问题建模为最大权重匹配问题,并利用图匹配算法进行优化求解。最后,通过仿真对所提协作计算卸载激励机制的有效性进行了验证。仿真结果表明,所提方案可有效增加任务用户效用值,并鼓励更多用户开放自身的计算资源。