云計(jì)算和移動(dòng)云計(jì)算都經(jīng)歷了快速發(fā)展。雖然集中式云計(jì)算為計(jì)算密集型任務(wù)提供了豐富的計(jì)算資源,但是智能終端設(shè)備和云之間的不穩(wěn)定性增加了處理敏感性數(shù)據(jù)的難度,并且會(huì)出現(xiàn)不可預(yù)測(cè)的網(wǎng)絡(luò)延遲。為了解決這個(gè)問(wèn)題,本文提出了利用移動(dòng)邊緣計(jì)算將云計(jì)算推向更靠近智能終端的網(wǎng)絡(luò)邊緣。在移動(dòng)邊緣計(jì)算環(huán)境中,通過(guò)將邊緣服務(wù)器部署在網(wǎng)絡(luò)邊緣,為智能終端提供低延遲和高帶寬服務(wù),提升智能終端的服務(wù)質(zhì)量。本文對(duì)移動(dòng)邊緣計(jì)算環(huán)境下邊緣服務(wù)器的部署問(wèn)題進(jìn)行了研究和分析。物聯(lián)網(wǎng)設(shè)備在本地產(chǎn)生的海量數(shù)據(jù)存儲(chǔ)在智能終端中,通過(guò)在移動(dòng)邊緣計(jì)算環(huán)境下以高效經(jīng)濟(jì)的方式部署最優(yōu)位置和最佳數(shù)量的邊緣服務(wù)器,同時(shí)考慮智能終端集合與邊緣服務(wù)器的關(guān)聯(lián)性問(wèn)題,使服務(wù)的智能終端數(shù)量最大化和服務(wù)質(zhì)量最優(yōu)。本文根據(jù)K-means聚類(lèi)算法對(duì)邊緣服務(wù)器進(jìn)行合理部署,并對(duì)比了隨機(jī)部署算法、基于密度聚類(lèi)的部署算法和K-means聚類(lèi)部署算法對(duì)系統(tǒng)平均完成時(shí)間的影響。在實(shí)驗(yàn)部分還分析了時(shí)間收益和部署成本增益之間的權(quán)衡關(guān)系,找到最佳的邊緣服務(wù)器部署數(shù)量;同時(shí)分析了網(wǎng)絡(luò)延遲閾值對(duì)三種算法的影響。本文的實(shí)驗(yàn)基于Matlab R2016b開(kāi)發(fā)平臺(tái)完成,仿真結(jié)果表明基于... 

【文章來(lái)源】：云南大學(xué)云南省 211工程院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

仿真實(shí)驗(yàn)場(chǎng)景

基于隨機(jī)部署算法的邊緣服務(wù)器部署位置

基于隨機(jī)密度聚類(lèi)部署算法的邊緣服務(wù)器部署位置


本文編號(hào)：2988800