摘 要

移动边缘计算（Mobile Edege Computing, MEC）是在5G网络中提供靠近用户侧的，具有云化能力的，作为现有云计算服务补充技术的一个关键理论。具体而言，MEC计算卸载技术是其内核，通过将移动设备的计算任务卸载到移动网络边缘或边缘服务器中完成计算，实现降低传输距离与节约设备能耗的目的。当前，计算卸载技术主要考虑卸载决策与资源分配两大问题。本论文主要研究了在5G异构网络架构下，对计算能力和通信能力受限的移动终端设备的计算任务卸载及资源分配的问题。结合5G异构网络的多址接入特点，考虑在任务时延要求的约束下，对如何降低终端设备能耗的同时保证网络服务质量的问题进行数学建模。基于上述研究问题，本设计提出了一种联合优化卸载决策与无线通信的资源分配的策略，相关结论通过MATLAB软件进行了仿真并验证了算法的有效性。研究结果表明，本文提出的的计算任务卸载与资源分配策略能够在满足最大时延要求下，保障网络的服务质量，同时可以有效降低系统中所有移动设备总的能耗开销。

关键词： 移动边缘计算；计算卸载；资源分配；服务质量

Abstract

Mobile Edge Computing (MEC) is a key theory of the complementary technology of existing cloud computing services, which provides the capability of cloud computing near the user side in 5G networks. The core of MEC is computing offload technology. By offloading the computing task of the mobile device to the edge of the mobile network or edge servers, the purpose of shortening the transmission distance and saving the energy consumption of the devices in the system is achieved. Currently, two major issues of computing offload technology are offload decision and resource allocation. This paper mainly studies the problem of computing offloading and resource allocation for mobile devices with limited computing and communication capacity under 5G heterogeneous network architecture. Combined with the multiple access characteristics of 5G heterogeneous networks, considering the constraints of task delay requirements, this paper mathematically models how to reduce the energy consumption of mobile devices while guaranteeing the Quality of Service (QoS). Based on the above research issues, this design proposes a strategy of joint optimization of offload decision and communication resource allocation. The availability of proposed algorithm and the relevant conclusions are verified by a set of simulations in MATLAB. The research results show that, under the constraints of task delay requirements, the computation offloading and resource allocation strategy proposed in this paper is capable of ensuring the QoS of network while reduce the power consumption of all mobile devices in the system in an effective way.

Key Words：Mobile Edge Computing；Computation Offloading；Resource Allocation；Quality of Service

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 引言 1

1.2 国内外研究现状 2

第二章 移动边缘计算网络概述 4

2.1 移动边缘计算架构 4

2.2 移动边缘计算关键技术 6

2.2.1 计算卸载 6

2.2.2 资源分配 7

2.2.3 干扰管理 8

2.3 移动边缘计算的应用前景 8

2.3.1 AR增强现实 8

2.3.2 视频流分析 9

2.3.3 物联网 9

2.3.4 车联网 9

第三章 基于移动边缘计算网络中计算卸载的资源优化方法 10

3.1 引言 10

3.2 系统模型 10

3.2.1 网络模型 10

3.2.2 计算模型 12

3.2.3 问题建模 13

3.3 降低能耗的计算卸载策略 13

3.3.1 任务分类算法 14

3.3.2 确定任务优先级算法 15

3.3.3 通信资源分配 17

3.3.4 降低能耗的计算卸载策略的迭代算法 18

第四章 仿真结果与分析 20

第五章 结论 25

参考文献 26

致谢 28

绪论

本章节主要对本课题研究的背景、研究的目的、实际意义、设计的内容、及本课题国内外研究现状进行简要介绍。

引言

智能设备的普及与5G网络的发展为用户提供了诸多新型应用。各种各样的网络服务迅猛发展，其中最重要的便是计算密集型应用。具体而言，计算密集型应用往往会产生大量的数据且需要更多计算能力，与此同时用户对QoS(Quality of Service，服务质量)的要求也较高。根据Cisco的推测，在下一代移动网络中，移动设备之间通信产生的数据同4G相比会有近千倍的增长。虽然移动设备的计算能力越来越强大，但受限于设备的便携性、续航能力及散热等因素，移动设备自身将很难满足计算密集型应用的需求，导致新型应用服务无法满足用户的需求，发展过程受到了一定的阻碍。

移动云计算(Mobile Cloud Computing， MCC)与计算卸载技术作为解决上述技术难题的潜在方法，近年来受到了多方关注。云端配置大量计算资源和存储空间的数据中心。移动云计算有多种接入方式，如蜂窝网络、无线局域网(WIFI)等^[1]。移动设备通过将需求计算量大的计算任务卸载至计算能力强大的数据中心，能够减轻由移动设备计算能力不足带来的高时延、高能耗的问题。然而，移动云计算也有许多明显的问题：一是移动设备物理上往往离云端数据中心较远，二者间数据传输时延很难保持稳定，无法保证满足时延要求；二是庞大的数据量会给核心网造成巨大的压力，影响系统整体性能；三是随着新型异构网络的出现，在复杂的异构网络下，如何保障无缝漫游服务是一个困难的问题。