| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 本研究的目的及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 移动边缘计算研究现状 | 第12-13页 |
| 1.2.2 任务迁移研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 任务迁移研究思路与框架 | 第17-29页 |
| 2.1 移动边缘计算基本架构分析 | 第17-20页 |
| 2.1.1 移动边缘计算的基本概念及架构 | 第17-18页 |
| 2.1.2 移动边缘计算的特征及优势 | 第18-20页 |
| 2.2 任务迁移系统软件架构 | 第20-24页 |
| 2.2.1 任务迁移系统软件架构 | 第20-21页 |
| 2.2.2 任务迁移决策过程 | 第21-24页 |
| 2.3 本文研究的整体思路 | 第24-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于供需相似度与动态价格模型的迁移地点选取策略 | 第29-43页 |
| 3.1 供需相似度与动态价格模型分析 | 第29-31页 |
| 3.1.1 任务迁移场景 | 第29-30页 |
| 3.1.2 供需相似度思想 | 第30-31页 |
| 3.1.3 动态价格模型 | 第31页 |
| 3.2 任务迁移地点选取算法 | 第31-34页 |
| 3.2.1 任务迁移系统框架 | 第31-33页 |
| 3.2.2 任务迁移地点选取算法思想 | 第33-34页 |
| 3.3 迁移地点选取算法实现 | 第34-37页 |
| 3.3.1 供需相似度的计算 | 第34-35页 |
| 3.3.2 动态价格的计算 | 第35-36页 |
| 3.3.3 迁移权重的计算 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-41页 |
| 3.4.1 仿真场景与参数设置 | 第38-39页 |
| 3.4.2 仿真结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 基于遗传算法的任务迁移节能策略 | 第43-59页 |
| 4.1 任务划分模型 | 第43-46页 |
| 4.1.1 现有的任务划分模型 | 第43-45页 |
| 4.1.2 细粒度有向无环图状任务划分模型 | 第45-46页 |
| 4.2 能耗和时间模型 | 第46-49页 |
| 4.2.1 任务执行时间和能耗模型 | 第47-48页 |
| 4.2.2 数据传输时间和能耗模型 | 第48-49页 |
| 4.3 最小化能耗问题建模 | 第49-51页 |
| 4.4 基于遗传算法的细粒度任务迁移节能策略 | 第51-55页 |
| 4.4.1 初始种群的选取和编码 | 第52-53页 |
| 4.4.2 适应度函数 | 第53页 |
| 4.4.3 交叉方式的设计 | 第53-54页 |
| 4.4.4 变异方式的设计 | 第54-55页 |
| 4.4.5 遗传终止条件 | 第55页 |
| 4.5 实验结果及分析 | 第55-58页 |
| 4.5.1 仿真场景与参数设置 | 第55-56页 |
| 4.5.2 仿真结果分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 研究总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 在校参与项目成果及获奖 | 第67页 |