物联网和5G网络的快速发展产生了大量数据,通过将计算任务从移动设备卸载到具有足够计算资源的边缘服务器上,可有效减少网络拥塞和数据传播延迟等问题。边缘服务器放置是任务卸载的核心,高效的边缘服务器放置方法能有效满足移动用户访...物联网和5G网络的快速发展产生了大量数据,通过将计算任务从移动设备卸载到具有足够计算资源的边缘服务器上,可有效减少网络拥塞和数据传播延迟等问题。边缘服务器放置是任务卸载的核心,高效的边缘服务器放置方法能有效满足移动用户访问低时延、高带宽等需求。为此,文中以最小化访问延迟和最小化负载差异为优化目标,建立边缘服务器放置优化模型;然后,提出了一种基于改进启发式算法的移动边缘服务器放置方法ESPHA(Edge Server Placement Based on Heuristic Algorithm),实现多目标优化。首先将K-means算法与蚁群算法相结合,通过效仿蚁群在觅食过程中共享信息素,将信息素反馈机制引入边缘服务器放置方法中,然后,通过设置禁忌表对蚁群算法进行改进,提高算法的收敛速度;最后,用改进的启发式算法求解模型的最优放置方案。使用上海电信真实数据集进行实验,结果表明提出的ESPHA方法在保证服务质量的前提下取得了低延迟和负载均衡之间的优化平衡,其效果优于现有的其他几种代表性的方法。展开更多
移动边缘计算通过在终端设备和云之间部署边缘设备,能够在移动用户的近端提供服务,可降低网络时延、减缓网络带宽的压力.然而在移动服务计算环境中,用户的移动性导致其所访问的边缘服务器经常切换,导致传统的QoS(quality of service)预...移动边缘计算通过在终端设备和云之间部署边缘设备,能够在移动用户的近端提供服务,可降低网络时延、减缓网络带宽的压力.然而在移动服务计算环境中,用户的移动性导致其所访问的边缘服务器经常切换,导致传统的QoS(quality of service)预测方法在移动边缘服务环境下会出现较大的偏差.本文提出一种移动边缘计算环境下的服务QoS预测方法EQoSP,通过聚类分析自然地为不同用户/边缘服务器确定各自的相似用户/边缘服务器,在用户所访问的边缘服务器发生切换后,利用相似用户/边缘服务器提供的数据,对用户在新位置使用目标服务的QoS进行预测,从而更真实地反映用户位置发生改变后可能得到的QoS值.与现有方法的对比实验表明,本文所提出的方法对移动边缘环境中未知QoS的预测更为准确.展开更多
文摘物联网和5G网络的快速发展产生了大量数据,通过将计算任务从移动设备卸载到具有足够计算资源的边缘服务器上,可有效减少网络拥塞和数据传播延迟等问题。边缘服务器放置是任务卸载的核心,高效的边缘服务器放置方法能有效满足移动用户访问低时延、高带宽等需求。为此,文中以最小化访问延迟和最小化负载差异为优化目标,建立边缘服务器放置优化模型;然后,提出了一种基于改进启发式算法的移动边缘服务器放置方法ESPHA(Edge Server Placement Based on Heuristic Algorithm),实现多目标优化。首先将K-means算法与蚁群算法相结合,通过效仿蚁群在觅食过程中共享信息素,将信息素反馈机制引入边缘服务器放置方法中,然后,通过设置禁忌表对蚁群算法进行改进,提高算法的收敛速度;最后,用改进的启发式算法求解模型的最优放置方案。使用上海电信真实数据集进行实验,结果表明提出的ESPHA方法在保证服务质量的前提下取得了低延迟和负载均衡之间的优化平衡,其效果优于现有的其他几种代表性的方法。
文摘移动边缘计算通过在终端设备和云之间部署边缘设备,能够在移动用户的近端提供服务,可降低网络时延、减缓网络带宽的压力.然而在移动服务计算环境中,用户的移动性导致其所访问的边缘服务器经常切换,导致传统的QoS(quality of service)预测方法在移动边缘服务环境下会出现较大的偏差.本文提出一种移动边缘计算环境下的服务QoS预测方法EQoSP,通过聚类分析自然地为不同用户/边缘服务器确定各自的相似用户/边缘服务器,在用户所访问的边缘服务器发生切换后,利用相似用户/边缘服务器提供的数据,对用户在新位置使用目标服务的QoS进行预测,从而更真实地反映用户位置发生改变后可能得到的QoS值.与现有方法的对比实验表明,本文所提出的方法对移动边缘环境中未知QoS的预测更为准确.
