1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着移动互联网的发展促进了移动手持设备的进步（手机、平板电脑等）。移动终端设备使用数量爆炸式增长，对移动终端计算能力要求更高，催生了各种新的应用。机器学习、虚拟现实、人脸识别等计算密集型应用出现。这些应用运行在智能移动终端设备上需要消耗大量的计算资源。由于移动智能终端受限的资源以及有限的电池容量，应用的性能以及终端续航存在较大问题，因此难以长时支持这些计算密集型程序，影响用户使用体验]。这推动了移动云计算(mobilecloud computing mcc)概念的发展，允许移动用户将计算密集型应用卸载到云端进行计算。

远程云服务器通常由大量高性能服务器组成，具有较强的计算能力。用户可以将计算密集型程序卸载到远程服务器（centralized clouds cc）执行，远程服务器的运行的结果回传给用户。使用远程服务器主要有以下几个优点：1）通过将移动端的应用卸载到远程服务器运行，可以增加移动端电池的续航时间；2）由于服务器具有较强的处理器，可以处理来自用户的计算密集型任务；3）远程服务器具有较大的存储空间，为了计算密集型程序提供存储能力。但是使用远程服务器也不可避免的带来了一些问题，智能终端需要将本地数据上传服务器，由于服务器距离用户位置较远，因此带来了较高的系统延迟，严重影响了用户实时程序的使用体验，预计到2020年，全球设备总量将达到750亿部，而移动通信流量将超过24.3艾字节/月，并且用户们的移动设备（ue）将越来越智能化，而在ue中的应用将需要大量的计算能力和持久的数据处理。若智能终端均将计算卸载到远程服务器，可能造成网络拥堵，带宽受限。为了克服上述问题，提出了一种新的网络结构移动边缘计算（mobile edge computing mec），将服务器放置在网络边缘，拉近用户与服务器之间的位置。

移动边缘计算（mobile edge computing，mec）拥有邻近 接入的特点，它允许移动终端将应用卸载到云端，从而提高应用的服务质量（quality of service，qos）。此外，由于 mec 系统能够在动态网络环境下快速地响应交互式 应用请求，因此它也适用于车联网场景。本论文围绕 mec 系统中的依赖性任务卸载决策算法展开研究，有效减少卸载时延和能耗。

2. 研究的基本内容与方案

本设计主要研究依赖性任务计算卸载策略，研究思路为先明确论文的主要研究问题，然后对用户的计算卸载决策建模，再研究依赖性任务在边缘服务器端的实时调度，并进一步扩展到动态调度，最后对本文设计的算法进行仿真和优化，核心的主要研究内容从以下几个方面展开。

本文的研究问题为，在一定的区域内，存在单个或多个使用移动终端的用户以及边缘服务器。用户终端会不定时产生一些计算密集型任务，每个计算密集型任务可以分割成具有依赖关系的子任务集，我们使用一个有向无环任务图g=（v，e）来描述这些任务之间的关系，如图1所示。由于计算密集型任务消耗较多的 cpu 资源以及电池电量，因此需要按照一定的策略上传至边缘服务器，边缘服务器中具有多个处理器，按照一定的策略对用户上传的任务进行调度。其中用户产生的任务可以在本地执行也可以上传至边缘服务器执行，因此本问题是一个联合调度问题。

3. 研究计划与安排

第1周—第2周 完成文献资料的收集和阅读，学习目前边缘计算卸载的相关算法，了解相关领域的研究情况。

第3周—第11周 通过自己对边缘计算的理解，和问题模型的建立，论文开题；

第12周—第13周 撰写论文初稿；

4. 参考文献（12篇以上）

1. 刘国强. 基于移动边缘计算的任务卸载策略研究[d].哈尔滨工业大学,2018

2. 林晓鹏. 移动边缘计算网络中基于资源联合配置的计算任务卸载策略[d].北京邮电大学,2017

3. x. chen, l. jiao, w. li, and x. fu, et al. efficient multi-user computationoffloading for mobile-edge cloud computing[j].ieee/acmtransactions on networking, vol. 24, no. 5, pp. 2795–2808, 2016.

4. k. kumar and y.-h. lu, et al. cloud computing for mobile users: can offloadingcomputation save energy? [j]. ieee computer, no. 4, pp. 51–56, 2010.

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付