基于移动边缘计算的任务卸载与资源分配算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究内容及创新点 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关理论与技术概述 | 第17-25页 |
| 2.1 移动边缘计算与云边协同计算 | 第17-19页 |
| 2.1.1 基本概念 | 第17-18页 |
| 2.1.2 应用场景 | 第18-19页 |
| 2.1.3 任务卸载和资源分配 | 第19页 |
| 2.2 深度强化学习方法 | 第19-25页 |
| 2.2.1 马尔科夫决策过程 | 第19-20页 |
| 2.2.2 值迭代方法 | 第20-21页 |
| 2.2.3 Q学习算法 | 第21-22页 |
| 2.2.4 深度Q学习算法 | 第22-24页 |
| 2.2.5 本章小结 | 第24-25页 |
| 第3章 两层架构下的任务卸载和资源分配算法 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 系统模型 | 第25-28页 |
| 3.2.1 任务生成模型 | 第26页 |
| 3.2.2 本地计算模型 | 第26-27页 |
| 3.2.3 边缘计算模型 | 第27-28页 |
| 3.3 评价指标和优化目标 | 第28-29页 |
| 3.3.1 性能评价指标 | 第28页 |
| 3.3.2 优化目标 | 第28-29页 |
| 3.4 算法分析与实现 | 第29-31页 |
| 3.4.1 算法设定 | 第29-30页 |
| 3.4.2 算法设计 | 第30-31页 |
| 3.5 仿真实验与性能分析 | 第31-37页 |
| 3.5.1 参数设置与对比算法 | 第31-32页 |
| 3.5.2 任务数据大小实验 | 第32-34页 |
| 3.5.3 用户设备数量实验 | 第34-36页 |
| 3.5.4 基站数量实验 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 三层架构下的任务卸载和资源分配算法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 系统模型及问题定义 | 第39-41页 |
| 4.2.1 系统模型 | 第39-41页 |
| 4.2.2 问题定义 | 第41页 |
| 4.3 算法设计 | 第41-43页 |
| 4.4 仿真实验与性能分析 | 第43-50页 |
| 4.4.1 任务数量占比实验 | 第43-44页 |
| 4.4.2 任务数据大小实验 | 第44-47页 |
| 4.4.3 用户设备数量实验 | 第47-48页 |
| 4.4.4 边缘服务器数量实验 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读学位期间的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
