邊緣計算中的資源調(diào)度機制

目錄
前言
第1章 緒論 1
1.1 邊緣計算 1
1.1.1 邊緣計算的思想與架構(gòu) 1
1.1.2 邊緣計算的特征與優(yōu)勢 4
1.1.3 邊緣計算的發(fā)展及應(yīng)用 5
1.2 計算卸載 6
1.2.1 計算卸載的基本思想 6
1.2.2 計算卸載的基本過程 7
1.2.3 計算卸載的主要分類 9
1.3 任務(wù)調(diào)度 10
1.3.1 任務(wù)調(diào)度流程 11
1.3.2 調(diào)度優(yōu)化目標(biāo) 11
1.3.3 常用調(diào)度算法 12
1.4 服務(wù)部署 16
1.4.1 服務(wù)部署概述 16
1.4.2 用戶任務(wù)卸載 17
1.4.3 服務(wù)部署趨勢 19
參考文獻(xiàn) 20
第2章 基于服務(wù)感知的資源分配框架 21
2.1 引言 21
2.2 資源分配框架 21
2.3 相關(guān)模型與算法分析 22
2.3.1 系統(tǒng)模型 22
2.3.2 服務(wù)分類 23
2.3.3 虛擬機遷移 24
2.3.4 聯(lián)合服務(wù)調(diào)度 26
2.3.5 框架量化與算法 27
2.4 實驗與分析 29
2.4.1 實驗環(huán)境與參數(shù) 29
2.4.2 實驗結(jié)果分析 30
2.5 本章小結(jié) 36
參考文獻(xiàn) 36
第3章 基于李雅普諾夫漂移的虛擬機優(yōu)化調(diào)度策略 37
3.1 引言 37
3.2 系統(tǒng)模型 37
3.2.1 實時隨機資源調(diào)度框架 37
3.2.2 馬爾可夫策略變換 38
3.3 隨機調(diào)度策略 41
3.3.1 目標(biāo)模型構(gòu)建 41
3.3.2 李雅普諾夫漂移優(yōu)化 42
3.3.3 性能分析 45
3.3.4 近似隨機*短路徑問題 47
3.4 實驗與分析 49
3.4.1 實驗環(huán)境與參數(shù) 49
3.4.2 實驗結(jié)果分析 49
3.5 本章小結(jié) 53
參考文獻(xiàn) 54
第4章 邊緣云環(huán)境中基于多核用戶設(shè)備的計算資源調(diào)度策略 55
4.1 引言 55
4.2 系統(tǒng)模型 56
4.2.1 場景模型 56
4.2.2 本地計算模型 57
4.2.3 通信模型 58
4.2.4 邊緣云計算模型 59
4.2.5 優(yōu)化問題 59
4.3 邊緣云環(huán)境中任務(wù)卸載決策 60
4.3.1 構(gòu)建非合作博弈 60
4.3.2 納什均衡分析 61
4.3.3 面向多用戶的任務(wù)卸載算法 62
4.4 多內(nèi)核用戶設(shè)備內(nèi)核優(yōu)化調(diào)度 64
4.4.1 多內(nèi)核用戶設(shè)備內(nèi)核調(diào)度算法 64
4.4.2 面向多用戶的計算資源調(diào)度算法 65
4.5 實驗與分析 66
4.5.1 實驗環(huán)境與參數(shù) 66
4.5.2 實驗結(jié)果分析 66
4.6 本章小結(jié) 71
參考文獻(xiàn) 71
第5章 邊緣云環(huán)境中面向任務(wù)可分的協(xié)同任務(wù)卸載策略 72
5.1 引言 72
5.2 系統(tǒng)模型 73
5.2.1 場景模型 73
5.2.2 任務(wù)模型 74
5.2.3 本地計算模型 75
5.2.4 通信模型 75
5.2.5 邊緣云計算模型 76
5.2.6 并行計算模型 76
5.3 問題形式化 79
5.3.1 優(yōu)化問題 79
5.3.2 差分進(jìn)化算法 81
5.3.3 改進(jìn)的差分進(jìn)化算法 82
5.4 實驗與分析 83
5.4.1 實驗參數(shù) 83
5.4.2 性能分析 84
5.5 本章小結(jié) 88
參考文獻(xiàn) 88
第6章 一種基于隨機優(yōu)化的計算卸載策略 89
6.1 引言 89
6.2 系統(tǒng)模型與問題定義 90
6.2.1 系統(tǒng)模型 90
6.2.2 隊列動態(tài)性 92
6.2.3 問題定義 93
6.3 BMDCO算法 95
6.3.1 算法分析 95
6.3.2 算法性能 97
6.4 實驗與分析 99
6.4.1 性能分析 99
6.4.2 性能對比 101
6.5 本章小結(jié) 104
參考文獻(xiàn) 105
第7章 一種基于D2D協(xié)作的計算卸載策略 106
7.1 引言 106
7.2 系統(tǒng)模型與問題構(gòu)造 107
7.2.1 任務(wù)模型 107
7.2.2 本地計算模型 108
7.2.3 卸載計算模型 109
7.2.4 隊列動態(tài)性 110
7.2.5 問題公式化 112
7.3 D-CCO算法 114
7.3.1 算法分析 114
7.3.2 算法性能 116
7.4 實驗與分析 118
7.4.1 性能分析 118
7.4.2 性能對比 120
7.5 本章小結(jié) 123
參考文獻(xiàn) 123
第8章 固定場景中時延敏感程序的服務(wù)部署策略 124
8.1 引言 124
8.2 服務(wù)部署場景問題分析 124
8.3 模型設(shè)計及問題形式化 126
8.3.1 系統(tǒng)模型 126
8.3.2 選擇網(wǎng)絡(luò)訪問點 128
8.3.3 服務(wù)部署模型 128
8.3.4 網(wǎng)絡(luò)中的排隊時延 129
8.3.5 在邊緣計算中預(yù)測服務(wù)時間 130
8.4 算法設(shè)計 131
8.4.1 計算剩余服務(wù)時間 132
8.4.2 調(diào)度需要被服務(wù)的任務(wù) 133
8.4.3 為待調(diào)度的任務(wù)選擇服務(wù)部署的計算節(jié)點 133
8.4.4 復(fù)雜度分析 134
8.5 實驗與分析 135
8.5.1 模擬實驗環(huán)境設(shè)置 136
8.5.2 通過隨機生成DAG來評估算法調(diào)度性能 136
8.5.3 EUA數(shù)據(jù)集環(huán)境中的服務(wù)部署性能評估 139
8.6 本章小結(jié) 141
參考文獻(xiàn) 141
第9章 移動場景中時延敏感程序的服務(wù)部署策略 144
9.1 引言 144
9.2 移動場景的分析及存在的問題 144
9.3 模型設(shè)計及問題形式化 145
9.3.1 系統(tǒng)模型 145
9.3.2 用戶與邊緣處理器之間的曼哈頓距離 148
9.3.3 能耗成本 148
9.3.4 問題形式化 150
9.4 算法設(shè)計 151
9.5 實驗與分析 155
9.5.1 模擬實驗環(huán)境設(shè)置 155
9.5.2 小樣本模擬實驗性能評估 156
9.5.3 大樣本模擬實驗性能評估 160
9.6 本章小結(jié) 162
參考文獻(xiàn) 163
第10章 前景展望 165