為了應(yīng)對物聯(lián)網(wǎng)(Io T)、虛擬增強現(xiàn)實(VR\AR)、無人駕駛等新業(yè)務(wù)的發(fā)展對移動通信提出的要求,5G將使用各種新技術(shù)來滿足這些業(yè)務(wù)類型和應(yīng)用場景。云計算范式借助其強大的計算和存儲能力為終端用戶提供各種高質(zhì)量服務(wù)。但隨著終端設(shè)備接入量的日益增加,核心網(wǎng)絡(luò)的流量呈指數(shù)增長,2020年度移動流量將增加到291.8艾字節(jié)。如此龐大的流量將給核心網(wǎng)絡(luò)帶來巨大的挑戰(zhàn)。為了解決這一問題,將計算和存儲從核心網(wǎng)絡(luò)遷移到網(wǎng)絡(luò)邊緣的邊緣計算(EC)成為一種有效的解決方案。霧計算(FC)作為邊緣計算的一種實現(xiàn)方式,旨在通過異構(gòu)網(wǎng)絡(luò)連接一切設(shè)備(包括終端設(shè)備、Io T設(shè)備、傳感器、路由器、網(wǎng)關(guān)等),從而為物聯(lián)網(wǎng)提供一種新的解決方案。如何實現(xiàn)霧計算中各個節(jié)點高效協(xié)作計算是霧計算中一個重要研究方向。本文研究了分布式霧計算中各霧節(jié)點的協(xié)作計算方式,并對其中的任務(wù)卸載和負(fù)載均衡問題進行了深入研究。主要做了以下工作:針對霧計算網(wǎng)絡(luò)中分布式協(xié)作計算問題,本文提出了一種基于動態(tài)規(guī)劃的解決方案,在為每個用戶分配計算資源時綜合考慮每個霧節(jié)點的通信能力和計算能力,并考慮當(dāng)前用戶對其他用戶的影響,最小化所有用戶的總服務(wù)延遲。針對...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
縮略語表
第一章 緒論
    1.1 引言
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與成果
第二章 霧計算網(wǎng)絡(luò)概述
    2.1 5G系統(tǒng)概述
        2.1.1 5G的愿景
        2.1.2 5G關(guān)鍵技術(shù)
        2.1.3 5G移動通信網(wǎng)絡(luò)中的邊緣計算
    2.2 霧計算網(wǎng)絡(luò)
        2.2.1 霧計算體系架構(gòu)
        2.2.2 霧計算與云計算的比較
        2.2.3 霧計算的應(yīng)用場景和挑戰(zhàn)
    2.3 霧計算網(wǎng)絡(luò)中計算卸載方案
        2.3.1 分布式霧計算中任務(wù)卸載方案
        2.3.2 分布式霧計算中負(fù)載均衡方案
    2.4 本章小結(jié)
第三章 分布式霧計算中基于動態(tài)規(guī)劃的多任務(wù)卸載方案
    3.1 引言
    3.2 系統(tǒng)模型
        3.2.1 分布式霧計算中任務(wù)卸載系統(tǒng)模型
        3.2.2 系統(tǒng)延遲量化
    3.3 基于動態(tài)規(guī)劃的多任務(wù)卸載方案
        3.3.1 單用戶單主霧節(jié)點任務(wù)卸載算法
        3.3.2 多用戶多主霧節(jié)點任務(wù)卸載算法
    3.4 算法性能仿真與分析
        3.4.1 仿真參數(shù)設(shè)置
        3.4.2 仿真結(jié)果分析
    3.5 本章小結(jié)
第四章 分布式霧計算中基于資源預(yù)測的負(fù)載均衡方案
    4.1 引言
    4.2 系統(tǒng)模型
        4.2.1 基于預(yù)測的負(fù)載均衡方案系統(tǒng)模型
        4.2.2 資源預(yù)測負(fù)載均衡的三大組件
    4.3 分布式霧計算中的負(fù)載均衡算法
        4.3.1 靜態(tài)負(fù)載均衡算法
        4.3.2 動態(tài)負(fù)載均衡算法
        4.3.3 基于資源預(yù)測的負(fù)載均衡算法
    4.4 算法性能仿真與分析
        4.4.1 仿真參數(shù)設(shè)置
        4.4.2 仿真結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
參考文獻
附錄1 攻讀碩士學(xué)位期間申請的專利
致謝



本文編號：3819770