邊緣計算(Edge Computing,EC)是基于物聯(lián)網(wǎng)和云服務的思想和概念,提出的一種利用網(wǎng)絡邊緣結(jié)點來處理、分析數(shù)據(jù)的模型。它廣泛應用于云卸載、人臉識別、智能家居、智慧城市等領域。其中移動邊緣計算(Mobile Edge Computing,MEC)的部署和卸載決策可以實現(xiàn)邊緣計算低延遲、高帶寬的優(yōu)勢,并成為國內(nèi)外邊緣計算應用研究的重要方向。但是,MEC在實際應用過程中,由于不同的應用場景、海量的數(shù)據(jù)和節(jié)點選擇問題的影響,導致網(wǎng)路延遲過高、高帶寬帶來的大量資源浪費等問題。因此,如何合理地部署邊緣云和實現(xiàn)移動用戶的任務調(diào)度是移動邊緣計算的核心問題。移動邊緣計算處理好邊緣云這一核心問題,能構(gòu)造一個具備高性能、低延遲與高帶寬的服務環(huán)境,實現(xiàn)盡可能降低系統(tǒng)運行能耗的目標。本文對已有的大規(guī)模移動節(jié)點的分配和調(diào)度算法進行了改進和優(yōu)化,構(gòu)造了一個基于MEC的多無人機部署和任務調(diào)度的框架。本框架的主要創(chuàng)新點如下:一、提出了EMC的雙層優(yōu)化方法和新的四元組編碼機制。綜合優(yōu)化無人機部署和移動用戶的任務調(diào)度,降低了優(yōu)化算法的整體能耗。二、提出了一種自適應差分的人工蜂群算法,該算法應用于多無人機的部署優(yōu)...

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

圖2.1一個支持多UAV的MEC系統(tǒng)

基于MEC的多無人機部署和任務調(diào)度52基本概念和算法介紹2.1無人機系統(tǒng)模型和基本問題公式化圖2.1一個支持多UAV的MEC系統(tǒng)如圖2.1所示，該系統(tǒng)由個移動用戶和個UAV組成。其中，移動用戶1、5的任務在無人機1上執(zhí)行；移動用戶4、6和7的任務在UAV2上執(zhí)行；其余任務在本地執(zhí)....

圖3.2無人機編碼機制演示算法1給出了DeabeGf的總體框架

基于MEC的多無人機部署和任務調(diào)度17圖3.2無人機編碼機制演示算法1給出了DeabeGf的總體框架。首先，通過算法2生成具有N個個體的初始種群P（即UAV的初始部署）。然后，根據(jù)算法5到P計算卸載決策和資源分配。隨后對{，，，}的系統(tǒng)能耗進行評估。在算法推進過程中，如果{，，，....

圖4.1十個實例上DeabeGf運行時失敗任務和能耗趨勢圖

基于MEC的多無人機部署和任務調(diào)度35圖4.1十個實例上DeabeGf運行時失敗任務和能耗趨勢圖圖4.1繪制了DeabeGf在10個實例上進行的30次獨立運行中得到的平均EC和未完成任務的平均數(shù)量（稱為“平均NU”）的演變情況。如圖4.1所示，DeabeGf可以一貫地完成所有任務....

圖4.2兩種算法在每個實例上所需的無人機數(shù)量表4.6顯示了DeabeGf-L、DeabeGf-M和DeabeGf在30次獨立運行中的平

基于MEC的多無人機部署和任務調(diào)度37計算時間復雜度[47]為((+1))。因此，可以得出結(jié)論，與分支定界算法相比，本文提出的高效貪心算法可以在略微犧牲系統(tǒng)能耗的情況下有效地優(yōu)化卸載決策。4.5支持多UAV的MEC系統(tǒng)的有效性最后，本文將DeabeGf-L和DeabeGf-M這兩....

本文編號：3963018