【摘要】：物聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的快速發(fā)展使移動通信網(wǎng)絡(luò)面臨著超高連接密度、超低時延和更高用戶體驗速率的挑戰(zhàn),擁有低時延和網(wǎng)絡(luò)上下文感知等特點的移動邊緣計算(Mobile Edge Computing,MEC)成為了5G網(wǎng)絡(luò)應(yīng)對這些挑戰(zhàn)的核心技術(shù)之一。MEC通過將云計算服務(wù)下沉至移動接入網(wǎng)絡(luò)側(cè),使傳統(tǒng)的移動網(wǎng)絡(luò)除了具備通信能力外,還具有計算和存儲等IT服務(wù)能力。在MEC環(huán)境下,用戶設(shè)備(User Equipment,UE)可以將計算密集或者時延敏感的任務(wù)以超低的傳輸時延遷移到MEC服務(wù)器,由MEC服務(wù)器為其分配計算資源并輔助執(zhí)行任務(wù)計算,從而達到加速UE任務(wù)處理和節(jié)約能耗的目的,因此,MEC任務(wù)遷移策略成為決定MEC系統(tǒng)效率的關(guān)鍵因素之一。本文通過調(diào)研MEC任務(wù)遷移策略的研究現(xiàn)狀和特點,結(jié)合近年來深度強化學習(Deep Reinforcement Learning,DRL)成功解決人工智能領(lǐng)域決策問題的經(jīng)驗,深入探索了如何運用DRL方法來實現(xiàn)單用戶和多用戶場景下任務(wù)的最優(yōu)遷移策略,主要工作如下:(1)提出了面向單用戶場景的任務(wù)遷移策略。在運行多個獨立任務(wù)的單用戶MEC環(huán)境中,同時考慮任務(wù)的調(diào)度順序和遷移決策,構(gòu)建了系統(tǒng)、任務(wù)和時延能耗模型,進一步設(shè)計了基于策略梯度強化學習的任務(wù)遷移策略,實現(xiàn)了任務(wù)處理時延和UE能耗聯(lián)合最小化的目標。(2)提出了面向多用戶場景的任務(wù)遷移策略。在低計算能力UE密集的MEC環(huán)境中,考慮MEC服務(wù)器計算資源的分配,構(gòu)建馬爾可夫決策過程,并設(shè)計了基于DRL的任務(wù)遷移策略,保證了時延敏感任務(wù)對MEC系統(tǒng)的性能需求。(3)為了驗證本研究的性能效果,在Python環(huán)境下,搭建了單用戶與多用戶任務(wù)遷移策略的仿真實驗環(huán)境,并分別進行了仿真實驗。實驗結(jié)果顯示,相比傳統(tǒng)方法,在單用戶場景中,該策略能明顯降低任務(wù)的處理時延和UE的能耗,在多用戶場景下,該策略能有效降低時延敏感任務(wù)的處理時延和超時時長。通過運用DRL方法設(shè)計單用戶與多用戶MEC場景下的任務(wù)遷移策略,使得策略對負載動態(tài)變化有很強的適應(yīng)性,能有效優(yōu)化任務(wù)遷移過程中的能耗和時延,可以為未來5G網(wǎng)絡(luò)重點部署的車聯(lián)網(wǎng)、物聯(lián)網(wǎng)等應(yīng)用場景提供高效的計算遷移服務(wù)。
【圖文】：

圖 1-1 全球及中國在 2010-2030 年移動終端及物聯(lián)網(wǎng)連接數(shù)增長趨勢圖[1]Fig. 1-1 Global and China's Growth Trend of Mobile Terminal and IoT Connections in2010-2030[1]1.1.2 移動邊緣計算的發(fā)展歷程與研究現(xiàn)狀MEC 是在移動云計算（Mobile Cloud Computing, MCC）、局域云（LocalCloud）、小云（Cloudlet）等概念的基礎(chǔ)上的提出的，下文將對它的發(fā)展歷程進行描述。MCC 是云計算技術(shù)在移動互聯(lián)網(wǎng)中的應(yīng)用[5][6]。云計算技術(shù)允許用戶以相對低廉的成本按需靈活地使用云服務(wù)提供商（如谷歌、亞馬遜等）提供的基礎(chǔ)設(shè)施（如服務(wù)器、網(wǎng)絡(luò)和存儲等）、平臺（如中間件服務(wù)和操作系統(tǒng)等）和軟件（如應(yīng)用程序）服務(wù)，這樣，部署在云端的移動應(yīng)用程序可以以最少的管理工作或與服務(wù)提供商的交互被迅速地提供和發(fā)布[7]，而移動互聯(lián)網(wǎng)技術(shù)為移動用戶使用云計算服務(wù)提供了入口，使得用戶設(shè)備可以將耗時的計算任務(wù)或需要占用大量存儲的數(shù)據(jù)存儲在云端，這樣極大程度的減少了移動設(shè)備由于進行大負荷的計算或存

云控制器處理移動用戶的請求并向其提供相應(yīng)的云服務(wù)。然而，我們可以從圖1-2 中看到，云端的位置距離終端用戶非常遠，終端用戶想要使用云端提供的服務(wù)需要經(jīng)過非常多的因特網(wǎng)節(jié)點跳轉(zhuǎn)與認證才能完成，這勢必會導致較長的網(wǎng)絡(luò)傳輸時延，甚至有可能在網(wǎng)絡(luò)較差時與云端失去連接，這將極大的降低時延敏感應(yīng)用的使用體驗。解決長時延問題的一種辦法是縮短用戶終端與云服務(wù)器之間的距離，，使移動終端在使用云計算服務(wù)器時不需要經(jīng)過漫長的因特網(wǎng)核心網(wǎng)連接，僅經(jīng)過一跳或幾跳就可以實現(xiàn)與云計算中心的交互，這就是近端云的概念，并且由此產(chǎn)生了小
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN929.5;TP181

【相似文獻】

相關(guān)期刊論文 前10條

1 鄧偉華;;基于安全威脅預(yù)測的5G網(wǎng)絡(luò)切片功能遷移策略[J];計算機產(chǎn)品與流通;2018年12期

2 張美賢;;善用遷移策略 促進有效學習[J];福建基礎(chǔ)教育研究;2017年06期

3 文劍輝;;遷移策略對相似性化學問題解決影響的調(diào)查分析[J];嘉應(yīng)學院學報;2017年02期

4 孫陽;許建潮;郭建偉;劉鋼;;基于啟發(fā)式算法的數(shù)據(jù)遷移策略[J];吉林建筑大學學報;2016年03期

5 熊益;;論第二外語(法語)習得中遷移策略的培養(yǎng)[J];考試周刊;2017年03期

6 吉向東;;從Embedded Visual C++ 4.0到Visual Studio 2005的遷移策略[J];自動化技術(shù)與應(yīng)用;2009年07期

7 張丙英;黃教珍;;高職教學中遷移策略的分析與思考[J];快樂閱讀;2013年01期

8 劉慶云;;例談遷移策略在《電功率》一節(jié)教學中的運用[J];物理教學探討;2014年05期

9 劉寧;張立杰;史一民;;數(shù)據(jù)流查詢計劃的并行遷移策略[J];計算機工程;2009年19期

10 張爽;;淺議遷移策略的習得[J];河南教育;2005年12期

相關(guān)會議論文 前2條

1 畢波;楊智強;王衡;汪國平;;基于多設(shè)備的任務(wù)智能遷移系統(tǒng)[A];第六屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2010)、第19屆全國多媒體學術(shù)會議（NCMT2010）、第6屆全國人機交互學術(shù)會議（CHCI2010）、第5屆全國普適計算學術(shù)會議（PCC2010）論文集[C];2010年

2 李強;劉亞軍;;一種基于任務(wù)補償?shù)墓ぷ髁鲗嵗w移策略[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

相關(guān)重要報紙文章 前5條

1 ;如何實施成功的云遷移策略[N];中國信息化周報;2020年

2 《中國社會工作·老齡》主編 李新濤　杭州出版集團副總經(jīng)理 陳禹安;傳統(tǒng)媒體轉(zhuǎn)型中的“粉絲遷移策略”[N];中國新聞出版報;2014年

3 本報記者 逄丹;Blue Coat:搭建IPv4到IPv6的安全橋梁[N];通信產(chǎn)業(yè)報;2009年

4 上海建行信息技術(shù)部 戴工玖;ILM技術(shù)在銀行中的應(yīng)用[N];計算機世界;2007年

5 ;“改良”還是“革命”[N];網(wǎng)絡(luò)世界;2003年

相關(guān)博士學位論文 前5條

1 喻歆;演化動態(tài)優(yōu)化研究[D];中國科學技術(shù)大學;2011年

2 鄭永清;云計算環(huán)境面向SaaS多租戶的可伸縮數(shù)據(jù)放置研究[D];山東大學;2013年

3 馬駿;移動agent遷移技術(shù)研究[D];哈爾濱工程大學;2009年

4 劉鎏;數(shù)據(jù)中心高效資源管理關(guān)鍵技術(shù)研究[D];電子科技大學;2016年

5 董曉健;基因表達式編程集成算法研究[D];武漢大學;2011年

相關(guān)碩士學位論文 前10條

1 孟浩;移動邊緣計算中的任務(wù)遷移策略研究[D];北京工業(yè)大學;2019年

2 徐意;面向移動應(yīng)用的邊緣云服務(wù)遷移策略研究[D];華中科技大學;2019年

3 管茂林;MEC車聯(lián)網(wǎng)應(yīng)用的預(yù)遷移策略研究[D];重慶郵電大學;2019年

4 韋立;基于Redis自適應(yīng)遷移策略的研究[D];南京郵電大學;2018年

5 龔萬佳;移動云環(huán)境中多用戶計算遷移策略研究[D];武漢理工大學;2017年

6 趙丹;面向5G網(wǎng)絡(luò)的邊緣計算遷移策略研究與仿真[D];北京郵電大學;2018年

7 劉甜甜;中學化學教學中知識遷移策略的研究[D];安徽師范大學;2014年

8 寧維宇;面向服務(wù)的未來互聯(lián)網(wǎng)服務(wù)遷移策略的研究[D];北京郵電大學;2014年

9 孫陽;基于群智能算法的云數(shù)據(jù)遷移策略研究[D];長春工業(yè)大學;2016年

10 鐘海;面向云計算環(huán)境的應(yīng)用遷移策略及資源管理技術(shù)研究[D];云南大學;2011年

本文編號：2592503