边缘计算中基于混沌理论的任务调度优化策略

针对边缘场景中,多用户低效通信而导致的边缘服务资源无效占用及用户卸载能耗较高等问题,提出了优化预期成功任务卸载能耗的目标.在保证最低通信质量的前提下,考虑传输质量以及拥塞情况对于任务卸载性能的影响,构造用户与基站成功建立通信的机遇函数.综合考虑异构基站的服务能力限制,通过排队论为卸载任务的排队机制建模,并为用户实现更可...     

基于混合能量收集的移动边缘计算系统资源分配策略

针对移动终端(mobile terminal,MT)从环境射频源收集能量较少的问题,研究基于混合能量收集的移动边缘计算系统资源分配策略.通过在基站覆盖区域内部署多个磁感应能量快速充电站,当MT从环境射频源收集的能量即将耗尽时,在附近的磁感应能量快速充电站补充能量.MT通过移动边缘计算将计算任务分流到边缘服务器.将资源分...     

基于3维泊松点过程理论的无人机协助的异构网络模型及其性能

针对紧急热点场景中的基站缺乏灵活性问题，提出基于泊松点过程的无人机协助的异构网络模型.为了准确反映真实场景，假设宏基站在地面2维分布，无人机作为小基站在空间3维分布，地面用户通过最大接收功率级联准则选择通信基站.仿真分析性能参数间的定量关系，结果表明：相对于2D,3D模型，该文模型能更精准地描述覆盖概率；使用多个低功率的无人机小基站协助地面基站通信，能改善整个网络的覆盖性能；部署网络时需对路径损耗做适当选择.因此，该文模型具有有效性.     

基于URL的Web集群分配策略

Web任务的分配影响Web服务器集群系统的整体性能。常用的分配方法是对用户的URL请求,根据服务器数量进行轮询分配。这种策略影响缓存的命中率和服务器性能的发挥。在分析了Web站点中文件的组织方式及用户对Web请求特征的基础上,提出了基于URL分配树的LT分配策略,根据URL地址构建URL分配树,对用户的请求进行响应。同时考虑任务的处理代价,各服务节点服务能力和当前负载状况,对服务节点进行负载均衡的任务分配。本文从缓存队列剩余、请求任务溢出情况和轮询分配策略进行了比较,实验表明本文的分配策略能根据服务节点的服务能力、负载状况进行合理地分配,实现了负载的真正均衡,提高了系统整体吞吐量。     

优化延迟负载和成本的两阶段边缘服务器放置

边缘服务器放置问题是边缘计算环境建设的基础，高效的边缘服务器放置策略要求不仅为用户提供低延迟服务，而且要平衡边缘服务器之间的负载，同时降低边缘服务器的部署成本。现有的方法常面临着时间复杂度太高、只能得到局部最优解等问题，不适应大中城市的边缘服务器部署。提出了一种两阶段边缘服务器放置TSESP(two-stage edge server placement)策略，第一阶段针对小规模基站网络建立边缘服务器放置优化模型，以降低服务延迟、平衡负载和降低成本，并且在几个小型区域内对优化模型进行精确求解。第二阶段提出了基于机器学习的边缘服务器放置模型ESPML(edge server placement based on machine learning)，利用第一阶段优化模型得到的最优解集进行训练，然后在大规模基站网络中进行测试，ESPML模型的时间复杂度远小于指数级时间复杂度同时可以得到与最优解相似的结果。最后在上海电信基站数据集上的实验表明，与现有三种典型的边缘服务器放置方法相比，所提出的方法在访问延迟、负载平衡和成本等方面都具有良好的性能。     

基于多重指标的MEC服务器选择方案

针对移动边缘计算（mobile edge computing,MEC）服务器超密集部署的网络环境中任务卸载目标MEC服务器的选择问题,设计了一种基于多重指标的MEC服务器选择方案（multiple indicators-based MEC server selection scheme,MIMS）。综合考虑时延、能耗、任务卸载费用、能量效率等因素对MEC服务器选择的影响,基于各参数的线性加权对候选MEC服务器进行排序,选择最优的移动边缘计算服务器为用户提供服务。仿真结果表明,MIMS能够在保障用户任务卸载费用预算和能耗约束的条件下,降低任务处理的总时延,满足多重性能指标。     

基于缓存的位置隐私保护方法研究

提出一种不依赖可信第三方的基于缓存的中国剩余定理位置隐私保护方法.该方法在客户端加入了缓存机制,当用户请求基于位置的服务时,若缓存区存在用户提交的服务请求,则直接为用户返回结果;若不存在,则利用中国剩余定理算法计算出真实地理位置的等价集,并向LBS服务器发起查询请求,LBS服务器根据查询请求返回相应的请求结果.最后缓存区存储请求结果,同时筛选所需结果反馈给用户.此过程减少了用户与LBS服务器之间的交互,降低了用户信息暴露给LBS服务器的风险,从而使用户位置点以及轨迹数据的隐私信息得到了保护.通过实验验证了该方法的高效性和可行性.     

基于信息资源地址的Web集群分配策略

Web任务的分配影响Web服务器集群系统的整体性能。常用的分配方法是对用户的信息资源地址(URL)请求,根据服务器数量进行轮询分配。这种策略影响缓存的命中率和服务器性能的发挥。在分析了Web站点中文件的组织方式及用户对Web请求特征的基础上,提出了基于URL分配树的LT分配策略。根据URL地址构建URL分配树,对用户的请求进行响应;同时考虑任务的处理代价,各服务节点服务能力和当前负载状况,对服务节点进行负载均衡的任务分配。从缓存队列剩余、请求任务溢出情况和轮询分配策略进行了比较,实验表明分配策略能根据服务节点的服务能力、负载状况进行合理地分配,实现了负载的真正均衡,提高了系统整体吞吐量。     

基于自适应任务卸载的蜂窝网络计算资源分配算法

移动边缘计算中的任务卸载是当前的研究热点.随着蜂窝网络中移动终端数量的快速增长,由于计算资源有限,任务卸载时出现了时延长及资源分配不均衡的问题.针对该问题,提出一种基于自适应任务卸载的蜂窝网络计算资源分配算法.该算法先根据用户周围的资源分布情况,自适应为每个用户选择最佳卸载模式;再根据计算资源使用情况,自适应为基站用户选择最优卸载决策并分配计算资源.仿真结果表明：与其他4种算法相比,该文算法的系统效用增益最大.     

异构边缘网络中基于服务器休眠的协同计算策略

在异构边缘网络中,基站和边缘服务器的密集部署使系统功耗激增,为移动运营商带来了高额成本.同时,由于异构系统中任务的多样性和复杂性,高效的资源分配和任务迁移构成了严峻的挑战.针对上述问题,建立了服务器间的任务迁移和服务器睡眠模型,提出了一种面向异构边缘网络中服务器多睡眠模式的任务迁移算法.该算法先将问题按时隙划分为多个子问题并分别建模为混合整数非线性规划问题,再使用序列二次规划算法对每个子问题进行迁移决策求解,最后通过睡眠决策算法确定服务器的睡眠模式.仿真结果表示,所提算法不仅可以均衡边缘网络中非均匀分布的任务量,提高服务器资源的利用率,而且可以通过服务器多休眠状态显著降低系统能耗,提高系统性能.     

基于虚拟机迁移的能量收集MEC系统资源分配策略

针对现有研究没有考虑用户移动性对移动边缘计算（mobile edge computing,MEC）服务器反馈计算结果影响的情况,提出一种基于虚拟机迁移的能量收集MEC系统资源分配策略。考虑用户移动性影响,分别给出用户移动性模型和能量收集模型;采用虚拟机迁移方式,把用户卸载给初始MEC服务器的计算任务转移到当前MEC服务器,由当前MEC服务器完成计算任务,计算结果直接反馈给用户;综合考虑用户卸载计算任务和MEC服务器反馈计算结果,将功率和子载波分配问题建模为混合整数非线性规划问题,在满足能量消耗、子载波分配和发射功率的约束条件下,最大化系统能量效率。为了降低求解复杂度,通过引入遗传算法,获得次优解。仿真结果表明,与基于遗传算法的局部功率或子载波分配方法相比,提出的方法具有更高的能量效率。     

多边缘服务器协作环境下基于时延感知的服务选择算法

移动边缘计算可为用户提供低时延的服务.然而，随着用户的需求变得日益复杂多样，单个边缘服务器难以满足其需求.因此，多边缘服务器协作环境下的服务选择问题成为服务计算领域的热点难题.本文首先将该问题建模成带约束的最优化问题，然后提出了一种启发式的服务选择算法-LLMES算法.该算法是在边缘服务器网络中根据迪杰斯特拉算法求解当前本地服务器的邻居节点作为候选服务器，并基于低时延多有效服务的贪心选择策略选择为用户提供有效服务最多且时延最小的服务器作为当前最优服务器.从而选择出一组相互协作的边缘服务器集合共同为用户提供服务，即选中一组满足用户需求的服务.最后，实验结果表明本文提出的LLMES算法性能明显优于其他3种具有代表性的算法.     

无人机与车辆协助下的分布式多任务边缘计算卸载算法

为满足密集分布用户的服务质量和体验质量,建立了车辆和无人机协助下的多接入边缘计算卸载模型,车辆、无人机和路边单元作为边缘节点,将不同的计算任务按需卸载到不同类型的边缘节点进行处理.设计了基于分布式匹配-贪婪算法的终端用户任务卸载方案以最小化系统功耗,并研究了用户数量和延迟容忍对卸载方案的影响.仿真结果表明:该方案在满足延迟约束的条件下降低了系统功耗,保证了用户的服务质量;特别是在人群密集分布的情况下,能有效提高中心用户的体验质量.     

移动边缘计算中两阶段多应用资源分配算法

为解决移动边缘计算( MEC: Mobile Edge Computing) 中将应用程序虚拟机副本( VＲC: Virtual Machine Ｒeplica Copy) 资源在基站边缘服务器侧部署过程中,不合理考虑用户请求分布及不同应用程序资源需求和服务器容量之间匹配性的部署策略而导致网络产生巨大数据流量,造成网络资源消耗及服务延迟问题,提出一种两阶段的多应用程序、多VＲC 分配算法: VＲC block 结合和VＲC block 分配,即最大化高匹配VＲC block 数量的VＲC block 结合算法和基于交换策略的最小化平均数据流量的VＲC block 分配算法。实验证明,该算法能合理分配布置VＲC,经过迭代能实现减少62． 8%数据流量的效果,为边缘网络中多应用程序服务的供应提供了有效的支持。     

无人机通信的鲁棒轨迹设计和用户调度

由于定位误差等原因,无线通信信道状态信息往往不够准确.针对无人机(UAV)辅助通信系统,考虑在信道状态信息(CSI)不准确情况下的有效下行通信方案,利用UAV灵活性高的优点提高下行通信质量.为了兼顾所有地面用户通信质量,在给定的飞行时间内联合优化UAV的飞行轨迹和地面用户调度,最大限度提高最坏情况下所有地面用户中最小平均可实现传输速率.该优化问题是非凸的,难以直接求得最优解.采用块坐标下降(BCD)技术将原优化问题解耦为UAV轨迹优化和地面用户调度优化两个子问题,再采用连续凸逼近(SCA)技术将非凸子问题近似为凸优化问题求解.仿真结果表明,相较于两种基准方案,提出的联合优化方案可以显著提高系统的可实现传输速率.     

基于约束的自适应QoE算法设计

针对任务请求和服务器节点之间进行数值计算存在较大的时延代价问题,构思一种以任务转发频率为约束,全面评估系统可用开销资源的客户体验(QoE)算法。算法以任务交互时延为控制目标,通过设计多个评估参数从整个系统中筛选出具有足够响应能力的节点为终端用户提请的任务计算请求提供解决方案。同时兼顾到任务请求的随机突发特征引发系统节点载荷度失衡,进而导致任务计算迟缓的问题,算法设计了可用资源集合用于动态遍历可用的响应节点。数据统计表明,QoE算法不仅具备全局优化性,也具有良好的自适应能力。     

双UAVs辅助的混合能量收集MEC系统资源分配策略

针对用户从环境射频源收集能量较少的问题,提出了一种双无人机辅助的混合能量收集边缘计算系统的资源分配策略。通过部署2个具有混合太阳能和射频能量收集功能的无人机,当用户的计算任务较大时,可以将计算任务卸载到搭载边缘服务器的无人机。当用户从环境射频源收集的能量不够用时,另一个无人机飞到用户上方,为其近距离充电。联合考虑无人机和用户的能量消耗,将系统资源分配问题建模成一个混合整数非线性规划问题,在满足用户和无人机计算能力和能量消耗的约束条件下,最小化系统总能耗。通过引入量子行为粒子群优化算法,获得次优解。仿真结果表明,与其他几种方法相比,采用量子行为粒子群优化算法消耗的能量更少。     

基于SWIPT的D2D通信辅助移动边缘计算任务卸载策略

为解决5G移动通信系统中移动用户计算能力不足、能量消耗多、无线资源缺乏等问题,本文构建一种基于无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)的多用户设备间(Device to Device, D2D)通信辅助移动边缘计算(Mobile Edge Computation, MEC)系统模型,提出一种D2D-MEC联合卸载策略。该策略以系统中请求用户总能耗最小化为目标,采用二进制卸载模式和功率分流模式对请求用户进行任务卸载和能量收集。针对能耗最小化问题为非线性混合整数规划问题,根据整数变量和实数变量将原问题解耦为功率分配和计算任务卸载两个独立子问题,并分别采用Dinkelbach方法和匈牙利算法求出两个子问题的最优解。仿真实验结果表明,本文所提策略优于传统的D2D卸载策略和MEC卸载策略,有效降低了请求用户的总能耗,提高了任务执行效率。     

基于改进萤火虫算法的云计算任务调度策略

针对云计算中任务调度效率低引起的资源利用不平衡问题,提出一种基于改进萤火虫算法的虚拟机任务调度策略,该策略首先构建云计算资源负载平衡优化问题的约束条件,采取最小用户任务完成时间作为资源优化的目标函数;其次通过改进的萤火虫算法优化资源搜索路径,优化云服务器中多个虚拟机之间的任务负载平衡,通过提高云服务器的响应效率达到缩短用户任务完成总时间的目的.实验结果表明:相比于其他算法,本文提出的策略在云计算任务完成时间方面具有明显优势,能够有效地解决服务器中的负载不平衡问题,提高用户请求的响应效率.     

基于Stackelberg博弈的资源动态定价策略

针对计算密集型任务卸载时边缘云计算能力有限引起的公平性问题,提出一种基于Stackelberg(斯坦克伯格)博弈的资源动态定价策略.首先,分析边缘云系统资源剩余量和用户需求之间的实时关系,设计边缘云网络收益及用户成本函数.然后,通过验证用户之间非合作博弈纳什均衡点的存在性,获得基于完全状态信息下用户成本最低时的最优卸载策略.最后,采用双向迭代搜索算法求解边缘收益问题,获取经价格调整因子调节后的边缘云网络最优定价策略.仿真结果表明:所提算法当计算资源较少时能保证边缘云收益,并在保证用户公平性前提下提高用户服务质量.