可续电移动边缘计算环境下的计算迁移资源优化策略研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61702175
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    23.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0207.计算机网络
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Mobile edge cloud (MEC) and virtual mobile cloud are two most commonly used platforms for performing mobile edge computing, in whom resource optimization for computation offloading has drawn extensive research attentions as it provides an effective way for extending the capacity of a mobile device. However, due to the limited computation and energy resources in a mobile device, how to exploit computation resources thoroughly at the network edge with energy harvesting technology has put forward many challenges. In this proposal, we first analyze the impacts of the uncertainty in the harvestable energy of mobile devices,as well as their willingness to participate cooperative computing on the network’s computing ability. We then propose models and methods for optimizing resource allocations in MEC with rechargeable mobile devices for a given virtual mobile cloud, ungiven virtual mobile cloud, and a hybrid mobile edge cloud (with both mobile edge clouds and virtual mobile clouds) respectively, so as to reduce the task response time, maintain fairness among different mobile devices as well as balance the computation demands of the network. Theoretical analysis, simulations as well as experiments are used for evaluating the efficiency of the proposed frameworks. Results provide theoretical and practical guidance for mobile device augmentation with computation offloading in MEC.
移动边缘云或虚拟移动云是移动边缘计算常见应用场景,计算迁移是上述场景下为移动终端增效的一种重要技术手段。然而,移动终端受有限计算资源、电池续航能力等条件限制,如何在可续电环境下通过资源优化,以充分发挥网络边缘空闲计算资源效能面临着新的挑战。本课题拟以研究移动边缘计算环境下计算迁移的共性需求为基础,通过分析可续电环境下可用能量与网络协作计算能力转化关系,针对给定虚拟移动云结构、未给定虚拟移动云结构、基于边缘云-虚拟移动云的混合移动边缘云等移动计算场景,分别以提升其时效性、资源利用公平性及高效性、网络计算负载均衡性等为目标,构建面向可续电移动边缘计算环境下计算迁移资源优化关键核心算法及完整解决方案;最后,通过理论分析、仿真模拟与实验相结合的方式,评估所提方法与模型,验证其有效性。研究成果对实现移动边缘计算中的移动终端增效具有重要理论意义和应用价值。

结项摘要

移动边缘云或虚拟移动云是移动边缘计算常见应用场景,计算迁移是上述场景下为移动终端增效的一种重要技术手段。然而,移动终端受有限计算资源、电池续航能力等条件限制,如何在可续电环境下通过资源优化,以充分发挥网络边缘空闲计算资源效能面临着新的挑战。本报告以研究移动边缘计算环境下计算迁移的共性需求为基础,通过分析可续电环境下可用能量与网络协作计算能力转化关系,针对给定虚拟移动云结构、基于边缘云-虚拟移动云的混合移动边缘云等移动计算场景,分别以提升其时效性、资源利用公平性及高效性、网络计算负载均衡性等为目标,构建了面向可续电移动边缘计算环境下计算迁移资源优化关键核心算法及完整解决方案。同时鉴于移动边缘云计算迁移效率依赖于移动边缘设备与边缘云的通信效率,本报告提出了针对异构边缘云网络的协同操作架构,及自适应软调制通信技术,为移动边缘云任务迁移提供了高效的信息交互机制。最后,通过理论分析、仿真模拟与实验相结合的方式,评估所提方法与模型,验证其有效性。实验结果显示,本报告所提出的计算迁移资源优化算法在用户数量较少时可达到最优的NP难算法的性能,在用户数量较多时,本报告提出的算法性能下界是最优算法的50%。此外提出的异构协同网络可以将同步时延误差缩减至传统算法的1/13。传输效率提高至传统算法的2倍。研究成果对实现移动边缘计算中的移动终端增效,异构移动边缘云的可靠通信等问题具有重要理论意义和应用价值。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
SoftHM: A Software-Based Hierarchical Modulation Design for Wireless
SoftHM:基于软件的无线系统分层调制设计
  • DOI:
    10.1109/tnet.2020.3040006
  • 发表时间:
    2021
  • 期刊:
    IEEE/ACM Trans. Netw.
  • 影响因子:
    --
  • 作者:
    Weiwei Chen;Yunhuai Liu;Tian He
  • 通讯作者:
    Tian He
Multi-User Multi-Task Computation Offloading in Green Mobile Edge Cloud Computing
绿色移动边缘云计算中的多用户多任务计算卸载
  • DOI:
    10.1109/tsc.2018.2826544
  • 发表时间:
    2019-09-01
  • 期刊:
    IEEE TRANSACTIONS ON SERVICES COMPUTING
  • 影响因子:
    8.1
  • 作者:
    Chen, Weiwei;Wang, Dong;Li, Keqin
  • 通讯作者:
    Li, Keqin

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

点聚焦表面波EMAT声场特性及其试验
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    无损检测
  • 影响因子:
    --
  • 作者:
    陈巍巍;石文泽;陈尧;陈果;龙盛蓉;卢超
  • 通讯作者:
    卢超
Nod样受体蛋白3(NLRP3)在大鼠原代皮质神经元坏死样凋亡中的表达
  • DOI:
    10.3969/j.issn.1000-2065.2017.05.003
  • 发表时间:
    2017
  • 期刊:
    徐州医科大学学报
  • 影响因子:
    --
  • 作者:
    刘芷含;陈巍巍;岳婵娟;吴明凤;滕雪;陈锐;杨龙;杜波;程言博
  • 通讯作者:
    程言博
镁合金国际科研合作网络分析
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    科技管理研究
  • 影响因子:
    --
  • 作者:
    徐福缘;何建佳;陈巍巍;刘明
  • 通讯作者:
    刘明
高温铝合金电磁超声检测回波特性及因素分析
  • DOI:
    10.7527/s1000-6893.2020.23854
  • 发表时间:
    2020
  • 期刊:
    航空学报
  • 影响因子:
    --
  • 作者:
    石文泽;陈巍巍;卢超;程进杰;陈尧
  • 通讯作者:
    陈尧
多层螺旋线圈电磁超声换能器优化设计及其实验研究
  • DOI:
    10.11817/j.issn.1672-7207.2020.07.005
  • 发表时间:
    2020
  • 期刊:
    中南大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    唐琴;石文泽;卢超;陈巍巍;张金;陈尧;黄祺凯;程进杰
  • 通讯作者:
    程进杰

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码