移动边缘计算环境下面向延迟敏感型应用的资源协同优化技术研究

Due to the diversity of delay-sensitive mobile applications, the problem that mobile devices are resource-constrained becomes increasingly prominent. Meanwhile, the number of edge devices in wireless access network increases rapidly. How to incorporate both mobile devices and edge device resources to collaboratively optimize various delay-sensitive applications becomes current research focus. In mobile edge computing environment, the dynamic fine-grained task offloading algorithm based on shortest path routing is proposed in this project in order to solve problems that how to offload tasks to mobile edge computing data center and what kind of tasks should be chosen. When computing task is offloaded, the self-adaptive resource allocation algorithm based on logistic regression and queuing theory is presented for allocating resources with accordance to arrival rate while satisfying the demand of task’s deadline. As the service scope of mobile edge computing is limited and the mobility of users may result in service discontinuity or even service interruption, the service migration algorithm based on mobility model of mobile devices and semi-Markov decision process with considering overall utility of mobile edge computing is proposed. Last, the mobile edge computing experimental environment is established for verifying the feasibility and effectiveness of algorithms. The research of this project provides a certain theoretical basis and technical support for resource collaborative optimization in mobile edge computing.

由于延迟敏感型移动应用种类繁多，移动终端资源受限问题日益突出，而在无线接入网侧的网络边缘设备数量迅速增加，如何将移动终端和边缘设备资源联合起来协同优化处理终端各种延迟敏感型应用成为当前研究的热点问题。为此，本项目在移动边缘计算环境下，首先，为解决如何卸载以及卸载哪些任务到移动边缘计算数据中心问题，提出基于最短路径选择的细粒度任务动态卸载算法。其次，计算任务卸载后，为解决如何在满足任务截止期限需求的基础上根据到达率对其进行资源配置问题，提出基于Logistic回归和排队论的自适应资源分配算法。然后，由于移动边缘计算服务范围有限以及用户的移动可能导致服务不连续甚至中断，为此，考虑到移动边缘计算的整体效用，提出基于终端运动模型和半马尔可夫决策过程的服务迁移算法。最后，搭建移动边缘计算实验环境，验证所提算法的可行性和有效性。本项目的研究为移动边缘计算的资源协同优化提供一定的理论基础和技术支持。

.针对移动端资源贫乏、计算密集型移动应用类型多样及边缘服务器服务范围有限等特点，本项目在移动边缘计算环境下，围绕计算卸载、资源分配和服务迁移，从多角度研究面向延迟敏感型应用的资源协同优化问题，主要成果可体现在以下几个方面：.（1）提出了移动边缘计算环境下基于最短路径选择的细粒度任务动态卸载算法。该算法将移动端任务建立为线性拓扑的细粒度任务模型，考虑分组衰落信道、IDD 随机信道、Markovian 随机信道，利用有向无环图表示移动边缘计算的细粒度卸载模型，进而确定哪些任务在移动设备端执行，哪些任务在边缘计算数据中心执行。结果表明，与同类算法相比，本项目所提出的OM-PSOMO算法降低了卸载成本及终端能耗，为移动用户提供了QoS保障。.（2）提出了移动边缘计算环境下基于 Logistic 回归和排队论的自适应资源分配算法。该算法利用 Logistic 回归模型分析作业的负载类型，考虑边缘计算资源的异构性，按照资源效用比将边缘计算资源的节点进行分类，通过作业类型和资源类型建立排队模型，利用改进细菌觅食算法中的趋化操作求解作业到达率，根据到达率对作业队列进行资源配置。结果表明，与同类方法相比，本项目所提出的FTSRL策略降低了系统冗余和边缘服务系统开销。.（3）提出了移动边缘计算环境下基于终端运动模型和半马尔科夫决策过程的服务迁移算法。该算法根据构建终端运动模型获得服务迁移时机，通过系统状态和系统行为获得系统的收益函数，根据收益函数确定是接受服务迁移还是拒绝服务迁移，设计基于半马尔科夫决策的服务迁移及服务放置策略。结果表明，与同类方法相比，本项目提出的CSHGF方法减少了切换次数，降低了服务中断概率，进而提高了服务质量。

内容获取失败，请点击重试