密集小小区网络中面向可分割任务的卸载策略
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 移动边缘计算研究现状 | 第13-17页 |
| 1.2.1 移动边缘计算概述 | 第13-15页 |
| 1.2.2 应用场景 | 第15-16页 |
| 1.2.3 移动边缘计算关键技术概述 | 第16-17页 |
| 1.3 本文的主要工作及章节安排 | 第17-19页 |
| 第二章 移动边缘计算关键技术 | 第19-31页 |
| 2.1 计算卸载决策 | 第19-24页 |
| 2.1.1 任务模型 | 第19-21页 |
| 2.1.2 完全卸载决策 | 第21-24页 |
| 2.1.3 部分卸载决策 | 第24页 |
| 2.2 计算资源分配 | 第24-26页 |
| 2.2.1 集中式的计算资源分配 | 第24-25页 |
| 2.2.2 分布式的计算资源分配 | 第25-26页 |
| 2.3 移动性管理 | 第26-29页 |
| 2.4 安全和隐私 | 第29-31页 |
| 2.4.1 信任与认证机制 | 第29-30页 |
| 2.4.2 网络安全 | 第30页 |
| 2.4.3 数据安全 | 第30-31页 |
| 第三章 小小区网络中基于可分割任务的计算卸载 | 第31-43页 |
| 3.1 引言 | 第31-32页 |
| 3.2 系统模型 | 第32-35页 |
| 3.2.1 系统场景概述 | 第32-34页 |
| 3.2.2 问题建立 | 第34-35页 |
| 3.3 基于列表调度的任务分配算法 | 第35-37页 |
| 3.3.1 任务划分及静态映射 | 第35-36页 |
| 3.3.2 优先级分配 | 第36-37页 |
| 3.3.3 最小完成时间算法 | 第37页 |
| 3.4 仿真及性能分析 | 第37-42页 |
| 3.4.1 仿真场景设置 | 第37-38页 |
| 3.4.2 仿真结果分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于移动边缘计算的基站聚类和资源分配算法 | 第43-58页 |
| 4.1 引言 | 第43-44页 |
| 4.2 系统模型 | 第44-47页 |
| 4.2.1 系统场景描述 | 第44页 |
| 4.2.2 通信模型 | 第44-45页 |
| 4.2.3 计算模型 | 第45-46页 |
| 4.2.4 问题建立 | 第46-47页 |
| 4.3 基于遗传的资源分配算法 | 第47-53页 |
| 4.3.1 小小区基站聚类算法 | 第47-48页 |
| 4.3.2 基于遗传的资源分配算法 | 第48-53页 |
| 4.4 仿真性能分析 | 第53-56页 |
| 4.4.1 仿真场景描述 | 第53-54页 |
| 4.4.2 仿真结果分析 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-61页 |
| 5.1 全文工作总结 | 第58-59页 |
| 5.2 下一步的工作 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 附录 | 第68-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
