| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 分布式边缘云资源优化问题 | 第12-13页 |
| 1.2.1 网络和处理资源的可虚拟化 | 第12-13页 |
| 1.2.2 分布式资源的统一编排控制 | 第13页 |
| 1.3 国内外研究工作进展 | 第13-15页 |
| 1.4 本文组织架构和主要工作 | 第15-18页 |
| 1.4.1 论文组成 | 第15页 |
| 1.4.2 主要工作 | 第15-18页 |
| 第二章 基于光与无线融合的传输技术和资源管控技术 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 光与无线融合接入技术演进 | 第19-21页 |
| 2.2.1 前传网络中的光与无线融合演进 | 第19-20页 |
| 2.2.2 前传网络中的光传送技术 | 第20-21页 |
| 2.3 传送网络控制平面技术 | 第21-27页 |
| 2.3.1 数据传送网络的软件定义需求 | 第21-22页 |
| 2.3.2 网络和计算资源联合控管技术 | 第22-27页 |
| 2.4 网络资源调度的路由策略 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 接入侧分布式边缘云资源优化策略 | 第30-44页 |
| 3.1 面向5G的分布式计算请求业务 | 第30-36页 |
| 3.1.1 典型应用场景 | 第31-32页 |
| 3.1.2 问题描述 | 第32-33页 |
| 3.1.3 调度模型 | 第33-36页 |
| 3.2 网络和计算资源优化调度问题 | 第36-40页 |
| 3.2.1 任务感知的贪婪调度策略 | 第36-37页 |
| 3.2.2 分布式MEC协同调度优化算法 | 第37-40页 |
| 3.3 仿真结果与讨论 | 第40-43页 |
| 3.3.1 实验仿真设置 | 第40-41页 |
| 3.3.2 仿真结果分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 支持资源联合管控的智能控制技术 | 第44-66页 |
| 4.1 功能需求和架构 | 第44-47页 |
| 4.1.1 平台功能和硬件性能需求 | 第44-46页 |
| 4.1.2 功能架构设计 | 第46-47页 |
| 4.2 方案设计和实现 | 第47-54页 |
| 4.2.1 针对虚拟资源分配的编排器设计 | 第48-50页 |
| 4.2.2 针对光与无线融合接入网络的OpenFlow协议扩展 | 第50-54页 |
| 4.3 资源优化调度算法验证和性能评估 | 第54-63页 |
| 4.3.1 软硬件配置 | 第54-55页 |
| 4.3.2 实验参数设置 | 第55-56页 |
| 4.3.3 实验流程 | 第56-58页 |
| 4.3.4 结果分析和总结 | 第58-63页 |
| 4.4 本章小结 | 第63-66页 |
| 第五章 论文总结与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |