异构网络云资源和无线资源联合分配算法研究

摘要

异构网络(Heterogeneous Networks，HetNets)中移动终端的应用需求近年来增长迅猛，而移动终端由于电池容量和计算能力的限制无法满足需求，需要将部分应用卸载至云端进行处理，因此异构网络对无线资源和云资源的需求量越来越大。移动边缘计算(Mobile EdgeComputing，MEC)由于能为移动终端提供低时延的云服务而备受关注。在基于MEC的异构网络场景下，论文分别研究了异构网络中基于势博弈和演进博弈的联合资源分配算法，有效地实现了无线资源和云资源的协调管理。
　　论文的主要贡献如下:
　　(1)简要介绍了异构网络的优势，详细阐述了基于MEC的异构网络中资源优化关键技术的研究现状和存在问题。另外，简要介绍了博弈论在资源优化方面的应用。
　　(2)提出了基于MEC的异构网络中基于势博弈的联合卸载和资源分配(Joint Offloadingand Resource Allocation，JORA)机制。JORA机制综合考虑了任务卸载、云资源和无线资源联合分配以及干扰管理。其目标是在任务完成时间限制下最小化移动终端的能量消耗和经济代价，并且保证终端的体验质量（Quality of Experience，QoE）。使用分布式的势博弈来解JORA优化问题，证明了势博弈纳什均衡的存在性并获取了纳什均衡(Nash equilibrium，NE)解。当任务卸载至云端时，提出云资源和无线资源分配算法(Cloud and Wireless ResourceAllocation Algorithm，CWRAA)以获得上行链路子信道分配、功率分配以及边缘云的计算资源分配。在CWRAA中，考虑了子信道相互无干扰和有干扰的两种情形，分别采用零频率复用方法(Uniform Zero Frequency Reuse Method，UZFR)、基于匈牙利和图染色法的部分频率复用方法(Fractional Frequency Reuse Method Based on Hungarian and Graph Coloring，FFR-HGC)进行子信道分配。仿真结果表明，提出的JORA机制能以低复杂度有效地降低终端的能量消耗和任务完成时延。
　　(3)提出了异构网络中基于演进博弈的联合资源分配算法。在基于MEC的交叠覆盖的异构网络场景下，为了满足移动终端的任务卸载需求，同时降低终端任务卸载代价，提出基于演进博弈的云资源和无线资源联合分配算法(Joint Cloud and Wireless Resource AllocationAlgorithm Based on Evolutionary Game，JRAA-EG)。在JRAA-EG中，考虑了终端的能耗代价、时延代价和经济代价，并且根据可按入服务商(Service Providers，SPs)的不同来划分区域，同一区域内具有任务卸载需求的终端形成一个种群。为了建模与分析服务商选择与资源分配，建立了演进博弈模型，证明了演进博弈均衡(Evolutionary Equilibrium，EE)解的存在性和唯一性。分别使用基于复制动态的集中式算法和基于Q-learning的分布式算法求解演进均衡。仿真结果表明，所提的JRAA-EG能快速收敛至均衡解，节省了终端消耗能量，同时也降低了任务卸载时延。
　　(4)给出本学位论文研究工作的总结，并对下一步的研究进行展望。

目录

声明

摘要

图表索引

缩略语

第1章 绪论

1．1 课题背景及意义

1．2 研究内容及章节安排

1．2．1 主要研究内容

1．2．2 论文各章节安排

第2章 基于MEC的异构网络资源优化关键技术

2．1 异构网络概述

2．1．1 蜂窝异构网络概述

2．1．2 MEC概述

2．2 基于MEC的异构网络资源优化研究现状

2．2．1 任务卸载算法

2．2．2 云资源和无线资源联合分配算法

2．2．3 任务卸载和资源分配联合优化算法

2．3 博弈论概述

2．3．1 博弈论基本概念

2．3．2 博弈模型在资源优化中的应用

2．4 本章小结

第3章 异构网络中基于势博弈的联合资源分配算法

3．1 背景介绍

3．1．2 势博弈分类

3．1．3 势博弈的基本性质

3．2 基于MEC的异构网络系统模型

3．2．1 网络模型

3．2．2 通信模型

3．2．3 计算模型

3．3 JORA问题描述

3．4 联合卸载与资源分配

3．4．1 博弈描述

3．4．2 无干扰情形

3．4．3 存在干扰情形

3．4．4 纳什均衡存在性证明

3．4．5 算法描述

3．5 仿真与分析

3．5．1 仿真场景与参数

3．5．2 仿真结果与分析讨论

3．6 本章小结

第4章 异构网络中基于演进博弈的联合资源分配算法

4．1 背景介绍

4．1．1 演进博弈概述

4．1．2 演进博弈基本原理

4．2 异构网络中资源分配系统模型

4．2．1 通信模型

4．2．2 计算模型

4．3 基于演进博弈的云资源和无线资源联合分配算法

4．3．1 演进博弈模型描述

4．3．2 种群间非合作博弈描述

4．4 集中式联合资源分配算法

4．4．1 集中式算法

4．4．2 演进博弈均衡解的存在性和唯一性

4．4．3 集中式算法描述

4．5 分布式联合资源分配算法

4．5．1 分布式算法

4．5．2 分布式算法描述

4．6 仿真与分析

4．6．1 仿真场景与参数设置

4．6．2 仿真结果与分析

4．7 本章小结

第5章 总结和展望

5．2 未来研究展望

致谢

参考文献

攻读硕士学位期间的研究成果