5G網(wǎng)絡(luò)移動(dòng)邊緣緩存與計(jì)算研究.pdf

1、為滿足大規(guī)模的移動(dòng)設(shè)備接入和快速增長(zhǎng)的通信容量的需求，small cell在下一代移動(dòng)通信系統(tǒng)（5G）中將實(shí)現(xiàn)超密集部署，而且small cell的存儲(chǔ)和計(jì)算資源能為移動(dòng)應(yīng)用（如增強(qiáng)現(xiàn)實(shí)游戲）提供無處不在的計(jì)算支持。但是該方案卻會(huì)加重系統(tǒng)回程鏈路的負(fù)載，并且會(huì)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(dòng)邊緣緩存與計(jì)算的方案。
　　然而，現(xiàn)有的移動(dòng)邊緣緩存與計(jì)算方案存在以下問題：首先，現(xiàn)有的邊緣緩存方案大多基于固定

2、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，忽略了用戶移動(dòng)性；其次，為解決5G網(wǎng)絡(luò)高能耗的問題，采用可再生能量供電是一個(gè)可行方案，但是，可再生能量到達(dá)的隨機(jī)性導(dǎo)致了邊緣云服務(wù)器計(jì)算能力的動(dòng)態(tài)性，使得現(xiàn)有基于電網(wǎng)供電的計(jì)算卸載策略難以適用；最后，由于用戶移動(dòng)性導(dǎo)致基于D2D(Device-to-Device)的邊緣計(jì)算(如移動(dòng)微云)具有動(dòng)態(tài)特征，可能會(huì)造成計(jì)算任務(wù)卸載的失敗。面對(duì)上述問題和挑戰(zhàn)，本文從以下四個(gè)方面展開研究：
　　(1)針對(duì)邊緣緩存中用戶移動(dòng)性問題

3、進(jìn)行研究。通過分析移動(dòng)性對(duì)small cell和用戶設(shè)備緩存的影響，提出了移動(dòng)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(shí)驗(yàn)結(jié)果顯示，相較于傳統(tǒng)的緩存策略，此策略在緩存命中率上有了明顯提高。
　　(2)針對(duì)邊緣緩存中用戶之間及用戶與small cell之間接觸時(shí)間的隨機(jī)性進(jìn)行研究。基于編碼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(duì)模型求解，提出綠色移動(dòng)編碼緩存策略。

4、實(shí)驗(yàn)結(jié)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(duì)可再生能量供電下移動(dòng)邊緣云計(jì)算進(jìn)行研究?；趯?duì)可再生能量的分析，建立了用戶計(jì)算任務(wù)時(shí)延和電網(wǎng)供電能耗最小化模型。利用交替優(yōu)化將其分解為計(jì)算資源分配和任務(wù)安置兩個(gè)子問題，通過求解子問題得出可再生能量供電下的計(jì)算任務(wù)卸載策略。實(shí)驗(yàn)結(jié)果表明，與隨機(jī)計(jì)算卸載和均勻計(jì)算卸載策略相比，該策略能夠至少縮短20％的任務(wù)延遲，節(jié)省30%的能耗。
　　(4

5、)針對(duì)移動(dòng)邊緣計(jì)算中連接不可靠的問題進(jìn)行研究。本文突破傳統(tǒng)的移動(dòng)微云對(duì)D2D連接的依賴，提出了移動(dòng)自組微云模式。同時(shí)分析了此模式的任務(wù)時(shí)延和能耗，得到最優(yōu)卸載策略。最后給出了計(jì)算任務(wù)在遠(yuǎn)端云、移動(dòng)微云和此模式下的選擇算法。實(shí)驗(yàn)結(jié)果證明，當(dāng)任務(wù)處理前后比例小于1、用戶接觸頻率大于0.0014時(shí)，此模式在延時(shí)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(dòng)邊緣緩存與計(jì)算策略能充分利用網(wǎng)絡(luò)邊緣的存儲(chǔ)計(jì)算資源、用戶的移動(dòng)性和