5G網絡移動邊緣緩存與計算研究.pdf

1、為滿足大規(guī)模的移動設備接入和快速增長的通信容量的需求，small cell在下一代移動通信系統（5G）中將實現超密集部署，而且small cell的存儲和計算資源能為移動應用（如增強現實游戲）提供無處不在的計算支持。但是該方案卻會加重系統回程鏈路的負載，并且會帶來巨大的能量消耗的問題。為解決上述問題，許多研究者提出了移動邊緣緩存與計算的方案。
　　然而，現有的移動邊緣緩存與計算方案存在以下問題：首先，現有的邊緣緩存方案大多基于固定

2、網絡拓撲結構，忽略了用戶移動性；其次，為解決5G網絡高能耗的問題，采用可再生能量供電是一個可行方案，但是，可再生能量到達的隨機性導致了邊緣云服務器計算能力的動態(tài)性，使得現有基于電網供電的計算卸載策略難以適用；最后，由于用戶移動性導致基于D2D(Device-to-Device)的邊緣計算(如移動微云)具有動態(tài)特征，可能會造成計算任務卸載的失敗。面對上述問題和挑戰(zhàn)，本文從以下四個方面展開研究：
　　(1)針對邊緣緩存中用戶移動性問題

3、進行研究。通過分析移動性對small cell和用戶設備緩存的影響，提出了移動性緩存策略優(yōu)化問題，并證明其是NP難問題?；谧幽B(tài)優(yōu)化，利用貪婪算法給出問題的解。實驗結果顯示，相較于傳統的緩存策略，此策略在緩存命中率上有了明顯提高。
　　(2)針對邊緣緩存中用戶之間及用戶與small cell之間接觸時間的隨機性進行研究?；诰幋a緩存建立了緩存命中率最大化的安置模型和能耗最小化的傳輸模型，通過對模型求解，提出綠色移動編碼緩存策略。

4、實驗結果顯示，與其他緩存策略相比，該策略具有最高緩存命中率和最低傳輸能耗。
　　(3)針對可再生能量供電下移動邊緣云計算進行研究。基于對可再生能量的分析，建立了用戶計算任務時延和電網供電能耗最小化模型。利用交替優(yōu)化將其分解為計算資源分配和任務安置兩個子問題，通過求解子問題得出可再生能量供電下的計算任務卸載策略。實驗結果表明，與隨機計算卸載和均勻計算卸載策略相比，該策略能夠至少縮短20％的任務延遲，節(jié)省30%的能耗。
　　(4

5、)針對移動邊緣計算中連接不可靠的問題進行研究。本文突破傳統的移動微云對D2D連接的依賴，提出了移動自組微云模式。同時分析了此模式的任務時延和能耗，得到最優(yōu)卸載策略。最后給出了計算任務在遠端云、移動微云和此模式下的選擇算法。實驗結果證明，當任務處理前后比例小于1、用戶接觸頻率大于0.0014時，此模式在延時和能耗方面均優(yōu)于其他兩種模式。
　　綜上所述，本文所提出的移動邊緣緩存與計算策略能充分利用網絡邊緣的存儲計算資源、用戶的移動性和