共查询到20条相似文献,搜索用时 15 毫秒
1.
移动边缘计算利用部署在用户附近基站或具有空闲资源的路侧单元、车辆和MEC服务器作为网络的边缘,为设备提供所需的服务以及云端计算能力,以减少网络操作和服务交付的时延。文章将移动设备和MEC服务器的任务分配问题描述为一对一的匹配博弈,解决了移动边缘计算中的任务卸载问题。文章提出的算法具有良好的扩展性,并且能够降低总体能耗,使任务卸载时延最小化。 相似文献
2.
移动边缘计算(MEC)通过在用户近端以虚拟机(VM)形式部署应用服务,能有效降低服务响应延迟并减少核心网络数据流量。然而,当前MEC中虚拟机部署的大多数研究尚未具体考虑用户对多种应用服务的需求。因此,该文针对MEC中多应用服务的虚拟机部署问题,提出两种启发式算法,即基于适应度的启发式部署算法(FHPA)和基于分治的启发式部署算法(DCBHPA),通过在边缘网络中配置支持多种应用服务的虚拟机来最大限度地减少网络中的数据流量。FHPA和DCBHPA分别基于边缘服务器的网络连接特征和用户对应用请求的差异性,定义了不同的适应度计算模型。在此基础上,通过子问题划分机制实现VM配置。仿真结果表明,相比于基准算法,所提算法能更好地控制系统数据流量,有效地提高边缘网络服务资源的利用率。 相似文献
3.
4.
在移动边缘计算(MEC)密集部署场景中,边缘服务器负载的不确定性容易造成边缘服务器过载,从而导致计算卸载过程中时延和能耗显著增加。针对该问题,该文提出一种多用户计算卸载优化模型和基于深度确定性策略梯度(DDPG)的计算卸载算法。首先,考虑时延和能耗的均衡优化建立效用函数,以最大化系统效用作为优化目标,将计算卸载问题转化为混合整数非线性规划问题。然后,针对该问题状态空间大、动作空间中离散和连续型变量共存,对DDPG深度强化学习算法进行离散化改进,基于此提出一种多用户计算卸载优化方法。最后,使用该方法求解非线性规划问题。仿真实验结果表明,与已有算法相比,所提方法能有效降低边缘服务器过载概率,并具有很好的稳定性。 相似文献
5.
MEC(mobile edge computing,移动边缘计算)是一种将移动用户的计算任务卸载到基站端计算服务器的技术,可以减小移动设备功耗并大幅提升其计算能力,因此可以处理工业制造中的大量设备控制业务。针对多用户MISO无线工业控制系统中的工业控制业务处理,系统将移动设备的控制业务数据上传至MEC服务器并完成计算,通过URLLC(ultrareliable low-latency communication,超高可靠低时延通信)回传控制指令,以完成设备控制。在控制业务时延约束下,建立了系统总能耗最小化优化问题,并提出了使用SCA(successive convex approximation,连续凸近似)、二次变换方法(quadratic transformation)与内点法的波束成形、带宽分配子问题求解算法。在推导得到计算任务分配、计算资源分配子问题的闭式最优解后,提出了迭代求解四个子问题的优化算法。仿真结果证明所提算法在降低系统总能耗方面是有效的。 相似文献
6.
为了降低计算任务的时延和系统的成本,移动边缘计算(MEC)被用于车辆网络,以进一步改善车辆服务。该文在考虑计算资源的情况下对车辆网络时延问题进行研究,提出一种多平台卸载智能资源分配算法,对计算资源进行分配,以提高下一代车辆网络的性能。该算法首先使用K临近(KNN)算法对计算任务的卸载平台(云计算、移动边缘计算、本地计算)进行选择,然后在考虑非本地计算资源分配和系统复杂性的情况下,使用强化学习方法,以有效解决使用移动边缘计算的车辆网络中的资源分配问题。仿真结果表明,与任务全部卸载到本地或MEC服务器等基准算法相比,提出的多平台卸载智能资源分配算法实现了时延成本的显著降低,平均可节省系统总成本达80%。 相似文献
7.
移动边缘计算(Mobile Edge Computing,MEC)通过在网络边缘部署服务器,提供计算和存储资源,可为用户提供超低时延和高带宽业务。网络功能虚拟化(Network Function Virtualization,NFV)与MEC技术相结合,可在MEC服务器上提供服务功能链(Service Function Chain,SFC),提升用户的业务体验。为了保证移动用户的服务质量,需要在用户跨基站移动时将SFC迁移到合适的边缘服务器上。主要以最小化用户服务的端到端时延和运行成本为目标,提出了MEC网络中具有资源容量约束的SFC迁移策略,以实现移动用户业务的无缝迁移。仿真结果表明,与现有方案相比,该策略具有更好的有效性和高效性。 相似文献
8.
9.
10.
针对移动边缘计算网络中由于用户位置动态变化而导致边缘服务器间负载不均衡、用户服务质量降低的问题,提出了一种移动性感知的边缘服务迁移算法。首先,以最小化用户服务请求感知时延为目标,将优化问题建模为混合整数非线性规划问题。其次,基于Lyapunov优化方法将时延优化问题解耦为边缘服务迁移子问题与无线接入子问题。再次,提出快速边缘决策算法求解出给定无线接入策略情况下最优的资源分配与边缘服务迁移方案。最后,提出异步最佳响应算法迭代出最优无线接入策略。仿真结果表明,与现有服务迁移策略相比较,所提算法能够在保证服务迁移成本稳定的情况下降低用户服务请求的感知时延。 相似文献
11.
高素林张盈希任奕菲冯光升 《无线电通信技术》2022,(5):822-829
移动边缘计算(Mobile Edge Computing, MEC)作为一种新兴的计算模式可以将智能设备上的任务调度到MEC服务器中执行以解决智能设备资源受限问题。多用户场景下以时延和任务依赖性为约束的任务调度问题是移动边缘计算中的研究热点之一。针对该问题建立了任务调度模型,然后依据场景特性将任务调度问题转换为最小化能量消耗问题。针对任务调度问题的实时性和持续性进一步将优化问题缩放至较小规模的优化问题,并依据优化问题的解设计了一个实时调度算法。最后使用遗传算法作为对比算法进行仿真实验。实验结果表明实时调度算法比遗传算法更有效地降低了智能设备整体能量消耗,并在高并发、高时延要求等情况下仍保持良好的性能。 相似文献
12.
随着智能交通的快速发展和车联网中数据流量爆炸式的增长,汽车终端请求卸载的任务对时延和带宽有了更加严苛的要求。在现有的云计算服务模式中,车辆可以访问云服务器来获得强大的计算、存储和网络资源,但缺点是通信传输时延较大,仅依靠云计算可能会导致过度的延迟。为了更加合理利用资源、减小时延、优化卸载策略,提出了一种基于粒子群优化算法的“车-边-云”协同卸载方案。首先通过接入点附近的软件定义网络(Software Define Network,SDN)控制器根据终端用户附近边缘节点、本地终端和云计算节点的计算资源和容量情况得出最优的卸载策略,充分利用本地、移动边缘计算(Mobile Edge Computing,MEC)设备、云端的计算资源,然后通过粒子群优化算法得出“车-边-云”各计算节点的卸载系数,即最优卸载策略。实验结果表明,相比于其他卸载策略,所提的卸载机制对时延优化效果明显,提高了计算资源的利用率。 相似文献
13.
随着移动设备和互联网的普及,近年来人们对计算能力和网络资源的需求显著增加。为了降低网络延迟、提高用户体验,移动边缘计算(MEC)应运而生,将云计算与边缘计算相结合成为解决方案。MEC通过将计算资源移动到靠近终端用户的位置来实现这一目的。然而,随着移动设备数量和生成数据量的增加,对MEC网络中的计算资源分配进行优化。其中计算卸载是一种实现方式,它将资源密集型任务从移动设备转移到MEC服务器,以便更高效地处理。故此,本文主要分析了适用于MEC网络的不同计算卸载策略,以期为后续的相关研究和工作开展提供帮助。 相似文献
14.
15.
姚黎强 《电信工程技术与标准化》2021,34(3):50-54
多接入边缘计算技术通过将计算存储能力与业务服务能力向网络边缘迁移,使应用、服务和内容可以实现本地化、近距离、分布式部署,从而在一定程度上解决了5G增强移动宽带、低时延高可靠以及大规模机器通信类终端连接等场景的业务需求.本文在分析MEC技术在LTE网络中的应用方案以及对于5G网络的价值与意义的基础上,给出了5G MEC部... 相似文献
16.
17.
当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理。为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型。在该模型中,考虑到IoTD处理随机计算任务时的局限性,引入多架配备MEC服务器的下层无人机和单架上层无人机进行协同处理。为了实现系统能耗最优化,提出了一种资源优化和多无人机位置部署方案,根据计算任务到达的随机性,应用李雅普诺夫优化方法将能耗最小化问题转化为一个确定性问题,应用差分进化(Differential Evolution,DE)算法进行多次变异、交叉和选择取得无人机的优化部署方案;采用深度确定性策略梯度(Depth Deterministic policy Gradient,DDPG)算法对带宽分配、计算资源分配、传输功率分配和任务卸载分配进行联合优化。实验结果表明,该算法相较于对比算法系统能耗降低35%,充分验证了其可行性和有效性。 相似文献
18.
为实现未来网络绿色低碳发展,以精准的按需服务提高网络运营和部署效率,将服务覆盖作为网络覆盖能力的新度量。深入挖掘无蜂窝网络部署灵活的优势,可以使每个覆盖单元达到最佳服务覆盖,从而实现系统性能的差异化优化。结合无蜂窝边缘智能网络的通信链路质量对移动边缘计算(MEC)服务器计算和下载的时延、卸载概率的影响,采用连续凸逼近算法,引入松弛变量和辅助变量将接入点(AP)和MEC联合部署混合整数非线性规划问题转化为连续的凸优化问题进行求解。仿真结果证明,基于服务覆盖的网络部署方法提升了现有网络能量效率,并显著减少用户的计算时延和系统的能耗。 相似文献
19.