多级移动雾计算基于UAV-Assisted卸载模型和异构网络gydF4y2Ba

文摘gydF4y2Ba

移动雾计算(MFC)网络,集成了无人机(UAV)充分发挥其优势灵活部署,负载平衡,快速反应。在复杂的网络环境下,提出一个合理的卸载模型根据MFC网络的资源优化来满足高要求卸载标准是很重要的。摘要多级MFC卸载模型,无人机和雾点头进行中继节点和卸载计算节点建立了计算密集型和latency-critical任务,考虑异构网络选择、动态信道质量和中央云访问。与系统总效用最优性函数包括奖励函数最大化为目标,MDP算法应用于解决是最好的卸载计算任务的决定和MFC的平衡负载模式网络。最后,仿真部分验证性能优良的多级MFC卸载模型在网络资源利用率。仿真结果表明,该模型可以在MFC网络优化服务节点的相对位置,确保卸载终端设备的可靠性。gydF4y2Ba

1。介绍gydF4y2Ba

在移动通信技术的迅速发展的时代,智能驾驶、智能家居、无人探测等物联网技术不断变化的生活方式。越来越多的复杂的任务使计算能力,和能源存储移动终端面临巨大的挑战。超级计算能力的云计算中心的发展可以使复杂的计算任务被卸载和解决问题的资源限制的移动终端(gydF4y2Ba1gydF4y2Ba]。然而,由于中央的远程位置云,传输带宽和传输容量的限制使得latency-critical任务无法完成计算和传输的有效时间gydF4y2Ba2gydF4y2Ba]。边缘计算带来计算能力的云网络的边缘,减少了任务响应时间。在边缘计算网络,把请求仅限于边缘设备和边缘计算的功能是有限的(gydF4y2Ba3gydF4y2Ba]。移动雾计算(MFC)网络中心云计算和移动终端之间的过渡层,解决这些问题(gydF4y2Ba4gydF4y2Ba]。雾移动计算网络可以显著降低通信延迟,提高网络容量,增加网络计算处理能力。gydF4y2Ba

雾计算是一个高度虚拟化平台,提供了计算,商店,和网络服务终端设备和传统的云计算数据中心之间,通常,但不仅限于位于网络的边缘(gydF4y2Ba5gydF4y2Ba]。与边缘计算相比,雾计算包含大量的身体分布式设备与强大的可伸缩性。雾计算有一个多层次、多功能连续架构,超越边缘和中心云。gydF4y2Ba

近年来,MFC的研究吸引了越来越多的关注。体验质量的联合优化问题(经验)的质量和能量集成雾计算过程与公平、雾节点之间的协作处理任务的方式研究了文献[gydF4y2Ba6gydF4y2Ba]。考虑雾节点能耗和任务处理延迟,(gydF4y2Ba7gydF4y2Ba)适用于集中式和分布式系统结构分析的任务处理的位置。本文两层体系结构包括雾节点(fn)和更少的计算资源和能源资源和雾接入点(F-APs)有足够的计算和能源资源使用优化雾计算机网络资源利用率。由于移动终端设备,终端设备和网络连接的位置迁移,导致减少系统实用程序。特别是,作者在gydF4y2Ba8gydF4y2Ba]利用跟着我边轻量级实时迁移这意味着服务的概念应该遵循用户移动性。考虑用户的移动性,提出了三种机制来确保postmigration服务和用户体验的连续性。在文献[gydF4y2Ba9gydF4y2Ba),每个移动用户的请求,FN将决定为用户服务的方式,也就是说,是否计算任务在网络的边缘或任务指中央云储蓄。马尔可夫决策过程(MDP)用于参考解决资源优化问题,验证了系统的性能和适应性。在解决资源优化决策问题,有一个性能优良的MDP算法(李雅普诺夫的扩展算法),及其应用方向扩展到许多领域。此外,该算法用于解决边缘云计算和雾的卸载策略计算高斯牛顿迭代法(gydF4y2Ba10gydF4y2Ba]。gydF4y2Ba

无人机是一种很有前途的解决方案在通信、监控环境,计算卸载。无人机与FN可以提供更加灵活和准确的移动终端设备的网络布局模式。在[gydF4y2Ba11gydF4y2Ba的约束下,无人机推进能源消耗和联合优化无人机的轨迹,速度和加速度,FAP上行传输能量,提出了基于连续凸逼近的迭代算法(SCA)来解决这个问题。在三级计算机网络的雾,Xianglin et al。gydF4y2Ba12gydF4y2Ba)三个决策算法适用于解决联合资源优化问题,这是制定采用加权和的能耗和延时任务作为目标函数。分析和演示了无人机位置的分配方案,移动设备处理频率、传播力量,雾节点。多级网络模式(gydF4y2Ba13gydF4y2Ba)可以实现FN和FAP MFC的分层处理,增加计算卸载效率。gydF4y2Ba

无人机作为FN节点不仅要承担的功能计算和卸载也任务转发FAP的传递函数。无人机在MFC假定继电器功能网络时,一方面,无人机处理任务的能量可以支持长时间操作;另一方面,网络的覆盖率和距离MFC扩展灵活。由三个计算,(gydF4y2Ba14gydF4y2Ba)优化UAV-assisted网络资源分配方案与总能耗最小化的目标包括能量有关的沟通。(gydF4y2Ba15gydF4y2Ba)最小化加权和能源消耗的无人机和问题任务约束,information-causality约束,带宽分配约束和无人机的轨迹约束。MFC系统于一体的无人机,运用灵活的网络分布的优势在雾中计算和提高网络可靠性和任务卸载功能。分析了卸载模式,减少延迟和减少集成能源总成本(gydF4y2Ba16gydF4y2Ba可以提高网络资源利用率。gydF4y2Ba

中央云是一个不可忽视的MFC的一部分网络,能够承担大量的缓存和卸载。在大多数研究[gydF4y2Ba17gydF4y2Ba),雾云计算是与中央与无线网络。一些论文研究光纤之间的关系和雾计算网络(gydF4y2Ba18gydF4y2Ba专注于光纤网络的协调。光纤中心云计算和MFC网络用于优化资源,提高网络的数据处理能力。gydF4y2Ba

终端造成的位置迁移运动是全面分析了MFC (gydF4y2Ba19gydF4y2Ba];然而,接入网的变化引起的位置运动常常被无视。移动终端往往获得低成本的网络(例如无线网络),可减少传输成本。低成本的网络在不同的位置是不一样的。当移动终端的位置发生变化时,低成本的网络用户希望访问的变化(gydF4y2Ba20.gydF4y2Ba]。解决网络问题的移民和移动雾计算卸载,在异构网络中,本文提出了一种集成无人机多级MFC网络卸载模型基于MDP (IMMFCM)算法。本文的独特的贡献如下:gydF4y2Ba(我)gydF4y2Ba多级MFC网络卸载模型包含终端设备,无人机,FAP,构造和中央云对于远程通信和低成本覆盖场景,无人机在哪里与终端通过无线网络设备和FAP,和中央云是通过光纤与FAP。多级网络结构可以分类雾节点,实现高效的资源利用gydF4y2Ba(2)gydF4y2Ba无人机进行传递和FN功能综合MFC网络,实现MFC的灵活、高效和低成本的网络模式。考虑任务本身的大小,该模型适用于MDP算法获得最好的资源优化和卸载决定迭代方法gydF4y2Ba(3)gydF4y2Ba这个模型考虑到异构网络,分析了网络的移动终端选择MFC网络在迁移和获得最好的卸载策略实现低成本的网络连接gydF4y2Ba

2。多级MFC系统gydF4y2Ba

MFC扩展的计算、存储和网络能力的云边缘;解决网络不可用的问题,全部带宽,延迟时间在某种程度上;并实现高速和低延迟应用程序。gydF4y2Ba

MFC网络包含无人机和中央云适合多个复杂的应用场景。MFC应用于应急救援时,网络可以实现快速的网络和信息的及时传播。在MFC应用于农业数据监测方向,监控设备需要与MFC建立临时通信网络由于硬件监测设备本身的限制。电力线路检查类似于农业交流。融合MFC网络可以提供灵活的通信支持远程,确定检查线。UAV-assisted MFC的中央网络云访问实现灵活的网络访问和任务卸载。gydF4y2Ba

2.1。MFC网络场景gydF4y2Ba

无人机作为一种灵活的通信扩展设备是一个MFC网络的一部分,不容忽视。无人机悬停飞行后接近终端设备根据既定的路线gydF4y2Ba13gydF4y2Ba]。在这一点上,无人机作为雾节点(FN) MFC网络服务移动终端设备。摘要任务的无人机可以进行两个函数计算卸载或中继转发。MFC的中间层网络(gydF4y2Ba21gydF4y2Ba),与中央云合作过程的任务,这是一个重要的卸载方式和缓存。多级MFC系统模型考虑本文图所示gydF4y2Ba1gydF4y2Ba。gydF4y2Ba

考虑移动终端设备所在地的环境,不同的无线技术(例如无线网络,蜂窝网络)部署在网络的访问。移动终端设备可以选择最好的通信质量网络异构网络访问和任务卸载。一旦移动终端设备完成了接入网络选择、卸载过程将采用无线网络。FAP是远离云计算中心和使用光纤传输信息gydF4y2Ba22gydF4y2Ba]。gydF4y2Ba

2.2。多级网络模型gydF4y2Ba

该系统是一个多层次MFC网络卸载模型本文如图gydF4y2Ba1gydF4y2Ba。零电平卸载包含移动终端设备。一级卸载,无人机与雾节点和中继节点功能包含特定的计算资源。无人机作为中继节点可以发送fap的计算任务。第二级卸载,FAP拥有大量转发能力和计算资源,提供的服务计算卸载和运输任务。在第三级卸载,中央云大量计算资源,可以提供非常大的计算任务的处理和缓存。gydF4y2Ba

零电平卸载(0级)gydF4y2Ba。当终端设备的硬件资源满足计算需求和缓存容量的任务,这个任务在终端设备进行计算处理。0级卸载适合选择容易的任务。gydF4y2Ba

一级卸载(1级)gydF4y2Ba。这个水平意味着,当本地资源不足以完成计算任务,终端设备可以卸载任务到附近的无人机(FN)和计算资源。gydF4y2Ba

第二级卸载(2级)。gydF4y2Ba当计算任务这么复杂,无人机不能承担或无人机能量不足,任务是FAP卸载。FAP将处理任务并返回结果。有两种方式为2级。第一种方式是将任务直接通过无线网络2级。第二种方法是将任务无人机中继2级。gydF4y2Ba

第三级卸载(3级)gydF4y2Ba。当任务需要缓存或任务复杂性超过FAP功能,任务通过FAP转发中央云。也有两种方式为3级。第一种方法是卸载任务2级和3级。第二种方式是任务的无人机中继转发给第二个卸载水平,然后第三个卸载水平。第二种方法是卸载任务2级无人机继电器,然后任务转移到3级。gydF4y2Ba

的任务可以直接卸载设备或通过无人机中继选择2级的时候。这个任务必须通过FAP如果三级被选中。多级卸载决策算法执行终端设备,和执行结果将显示卸载水平任务的最终选择。卸载过程如图gydF4y2Ba2gydF4y2Ba。gydF4y2Ba

时间延迟的成本gydF4y2Ba(gydF4y2Ba,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba )gydF4y2Ba和能源成本gydF4y2Ba(gydF4y2Ba,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba )gydF4y2Ba每个卸载过程的计算根据任务的大小gydF4y2Ba ,gydF4y2Ba的计算资源gydF4y2Ba ,gydF4y2Ba能源消费国家gydF4y2Ba ,gydF4y2Ba信道容量gydF4y2Ba ,gydF4y2Ba和传输距离gydF4y2Ba ,gydF4y2Ba在哪里gydF4y2Ba 卸载水平,gydF4y2Ba 卸载的水平。成本函数计算方法引用文献[gydF4y2Ba23gydF4y2Ba]。gydF4y2Ba和gydF4y2Ba正常化,gydF4y2Ba 和gydF4y2Ba (gydF4y2Ba24gydF4y2Ba]。归一化参数相关的传播环境和加工设备,在传输信道带宽特性相关环境参数(gydF4y2Ba25gydF4y2Ba]。系统成本函数是通过结合延迟的成本和精力。gydF4y2Ba 在哪里gydF4y2Ba是平衡两个成本函数的加权系数。时间延迟的成本包括任务执行延迟,传输延迟,传播延迟。能源成本包括终端发射能量,传递能量,设备运行的能量,和任务计算能量。gydF4y2Ba

3所示。MFC网络卸载算法gydF4y2Ba

这部分获得系统效用函数分析了卸载状态,卸载操作,卸载状态传输。MDP算法用于实现卸载决定,资源优化和效用函数的解决方案。定义了状态空间gydF4y2Ba作为gydF4y2Ba ,gydF4y2Ba在哪里gydF4y2Ba代表了卸载阶段,gydF4y2Ba代表区域的移动终端设备,gydF4y2Ba代表了移动终端设备的连接状态MFC网络。gydF4y2Ba

卸载阶段gydF4y2Ba被定义为gydF4y2Ba ,gydF4y2Ba(gydF4y2Ba ),gydF4y2Ba在哪里gydF4y2Ba 表明任务发生并确定卸载阶段的任务;gydF4y2Ba 表明任务选择0级,gydF4y2Ba ,gydF4y2Ba ;gydF4y2Ba 表明任务在第一级缓冲和卸载水平来判断,gydF4y2Ba ,gydF4y2Ba ;gydF4y2Ba 表明任务缓冲第二层次和卸载水平来判断,gydF4y2Ba ,gydF4y2Ba ;gydF4y2Ba 表明任务选择1级,gydF4y2Ba ,gydF4y2Ba ;gydF4y2Ba 表明任务选择2级,gydF4y2Ba ,gydF4y2Ba ;gydF4y2Ba 表明任务选择3级,gydF4y2Ba ,gydF4y2Ba 。gydF4y2Ba

该地区gydF4y2Ba 移动终端设备可以由地图分割gydF4y2Ba26gydF4y2Ba]。移动终端移动任意地图构建。gydF4y2Ba降级的总数地区终端可以移动。gydF4y2Ba 表示一个向量的邻病例。如果gydF4y2Ba ,gydF4y2Ba该地区gydF4y2Ba毗邻地区gydF4y2Ba ;gydF4y2Ba否则,gydF4y2Ba 代表不相邻。gydF4y2Ba

代表了无线网络向量,gydF4y2Ba表示的组合的总数gydF4y2Ba网络连接在异构网络中,gydF4y2Ba 代表gydF4y2Ba网络连接组合。gydF4y2Ba ,gydF4y2Ba在哪里gydF4y2Ba 网络可以连接和手段gydF4y2Ba 意味着网络未连接。gydF4y2Ba

当任务状态在缓冲时期(gydF4y2Ba ),gydF4y2Ba算法选择最后卸载水平的计算任务,也就是说,决策行动。决策行动将会选择卸载路径和卸载的任务。卸载操作被定义为gydF4y2Ba ,gydF4y2Ba在哪里gydF4y2Ba是行动从初始状态到1级;gydF4y2Ba是行动从初始状态到一级缓冲状态;gydF4y2Ba是行动从初始状态到二级缓冲状态;gydF4y2Ba的行动任务最后选择1级;gydF4y2Ba是行动从1级到2级;gydF4y2Ba是任务的行动最终选择2级,gydF4y2Ba是行动从2级到3级,最后的任务选择三级;gydF4y2Ba是任务进行延迟处理。gydF4y2Ba

政策决定的行动会影响任务所在的阶段;也就是说,行动gydF4y2Ba将会影响到国家gydF4y2Ba 。gydF4y2Ba当终端设备领域,connectionable网络对应区域也是已知的。当前状态的转移概率,gydF4y2Ba ,gydF4y2Ba到下一个状态,gydF4y2Ba ,gydF4y2Ba可以被描述为gydF4y2Ba 的跃迁概率gydF4y2Ba在不同的任务阶段。gydF4y2Ba代表每个决策期的持续时间。我们假设任务之前的interarrival率指数分布与的意思gydF4y2Ba 。gydF4y2Ba因此,转移概率gydF4y2Ba 来gydF4y2Ba 是gydF4y2Ba 。gydF4y2Ba当任务阶段gydF4y2Ba ,gydF4y2Ba和gydF4y2Ba状态转移概率,确定吗gydF4y2Ba 。gydF4y2Ba状态转换图如图gydF4y2Ba3gydF4y2Ba。gydF4y2Ba

与终端设备的时间呆在每个区域和异构网络拓扑。本文假设终端的停留时间gydF4y2Ba(gydF4y2Ba )gydF4y2Ba服从指数分布的参数gydF4y2Ba (gydF4y2Ba21gydF4y2Ba]。因此,gydF4y2Ba 可以推导出gydF4y2Ba 在哪里gydF4y2Ba终端设备从区域的概率是gydF4y2Ba对该地区gydF4y2Ba 。gydF4y2Ba当开关位置区域,异构网络的移动终端可以连接也会改变。不同位置和不同的网络有不同的网络成本。该系统将考虑选择最好的网络任务卸载。gydF4y2Ba

系统的效用函数是由任务的最后阶段和过程操作。系统的效用函数gydF4y2Ba 被定义为gydF4y2Ba 在哪里gydF4y2Ba 代表了奖励功能,任务成功处理能源和时间延迟期间(gydF4y2Ba25gydF4y2Ba]。gydF4y2Ba被定义为一个权重因子的平衡,成本函数和奖赏函数。gydF4y2Ba 是系统成本函数方程(gydF4y2Ba1gydF4y2Ba)。gydF4y2Ba 在哪里gydF4y2Ba在卸载阶段的奖励值吗gydF4y2BaggydF4y2Ba。gydF4y2Ba

让gydF4y2Ba预期的总系统效用最优性函数初始状态时gydF4y2Ba 。gydF4y2Ba然后,我们可以描述gydF4y2Ba作为gydF4y2Ba 在哪里gydF4y2Ba是预期的系统总效用最优函数之间的第一个决策时代最后决定时代,当政策gydF4y2Ba的初始状态gydF4y2Ba是给定的。注意,预计整个系统可以最大化效用最优性函数,当终端设备采取最有利的措施gydF4y2Ba ,gydF4y2Ba和这样一个最优的行动gydF4y2Ba在每一个国家gydF4y2Ba可以通过解决目标函数制定。的最优性方程gydF4y2Ba 在哪里gydF4y2BaMDP模型是一个折扣因素gydF4y2Ba 。gydF4y2Ba算法的目标是找到系统的总效用最优性函数和最优计算卸载策略gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba27gydF4y2Ba在多级MFC网络模型。该算法在终端预先计算的。计算卸载策略是缓存在终端根据任务量(gydF4y2Ba28gydF4y2Ba]。gydF4y2Ba

4所示。模拟gydF4y2Ba

仿真设置是基于工作(gydF4y2Ba22gydF4y2Ba,gydF4y2Ba23gydF4y2Ba,gydF4y2Ba29日gydF4y2Ba]。详细的仿真参数表中列出gydF4y2Ba1gydF4y2Ba除非另有指定。gydF4y2Ba

wi - fi网络和蜂窝网络(4 g / 5 g)主要考虑在异构网络中提到。在模式中,网络矢量gydF4y2Ba ,gydF4y2Ba在哪里gydF4y2Ba和gydF4y2Ba分别代表wi - fi网络和蜂窝网络;gydF4y2Ba ;gydF4y2Ba ;gydF4y2Ba (gydF4y2Ba30.gydF4y2Ba]。gydF4y2Ba总是1。gydF4y2Ba

4.1。不同的场景的性能比较gydF4y2Ba

绩效评估,我们提出的方案进行比较,S-immfcm,有六个项目:(1)s - t的终端设备只在本地计算任务,(2)S-uav终端设备可以卸载任务的无人机,(3)S-fap的终端设备可以卸载任务FAP, (4) S-refap任务卸载在FAP无人机中继,(5)S-cen任务卸载到中央云FAP转发处理,(6)S-recen任务卸载到中央云无人机中继和FAP转发。仿真比较了终端时接近无人机和FAP;gydF4y2Ba ;gydF4y2Ba ;gydF4y2Ba 。gydF4y2Ba图gydF4y2Ba4gydF4y2Ba给出了仿真结果。gydF4y2Ba

在图gydF4y2Ba4gydF4y2Ba,效用函数随任务量的增加而减小。可以看出,多级移动雾的总效用函数计算模型提出了本文是最高的,这表明,该模型可以实现网络的有效性和可靠性。在这个仿真的环境中,移动终端接近FAP和直接沟通环境更好。当计算任务是规模较小、s - t的效用函数是接近S-immfcm。当任务增加,效用函数S-immfcm S-fap接近。的效用函数从S-immfcm S-uav远远不同。这一现象表明,移动终端设备往往直接卸载任务FAP当通信环境更好。当任务是巨大的,效用函数S-immfcm S-cen接近。这是由于过度系统负担和低效用函数引起的巨大任务。终端预计更多的任务转移到云计算中心。gydF4y2Ba

4.2。运输距离的关系gydF4y2Ba卸载政策gydF4y2Ba

移动终端设备和雾节点之间的距离会影响通信信道的质量。这部分将会改变终端设备的距离无人机和FAP和分析系统效用函数和卸载的趋势决定。距离的关系如表所示gydF4y2Ba2gydF4y2Ba:gydF4y2Ba

在模型中,终端设备之间的无人机总是和FAP。和终端设备的距离FAP等于距离终端设备的无人机+ FAP的无人机的距离。仿真结果如下图所示。gydF4y2Ba

如图gydF4y2Ba5gydF4y2Ba,当任务的大小是确定的,在三个距离,Distes-A效用函数是最高和Distes-C效用函数是最低的。这一现象表明,移动终端之间的距离越长,MFC中的雾节点网络,糟糕的服务质量和更高的系统资源浪费。gydF4y2Ba

如图gydF4y2Ba6gydF4y2Ba的终端选择卸载节点随着任务的增加是不同的。0级和“0”,“1”是1级,”2”是2级,“2.5”无人机中继2级,“3”是3级,和“3.5”无人机中继三级。随着任务的增加,在距离三个环境下,卸载从0级切换到1级水平在同一时间。这是因为它是终端的计算资源限制终端的性能和影响较小的通信环境。当任务大于一定数值时,终端无法进行任务处理。与Distes-A相比,Distes-B终端之间的距离较长,无人机,和通信环境变得更糟。卸载策略变化直接2级无人机中继级别2。当终端和无人机之间的距离也增加,系统成本太高传送后,最后一项任务是将中央云计算。这表明,多级MFC网络有助于选择合适的卸载雾节点根据通信环境,保证了系统资源的有效利用和提高用户的服务质量。gydF4y2Ba

4.3。延迟成本分析gydF4y2Ba

在物联网中,拖延的问题是终端更关注的指标。这部分将分析MFC网络的延迟和MEC网络任务卸载的过程中。gydF4y2Ba

在图gydF4y2Ba7gydF4y2Ba,时间延迟在MFC和MEC网络逐步增加的任务是增加。MFC网络延时性能明显优于MEC轻量级网络任务卸载。这表明MFC网络可以提供更加灵活,平衡,和快速卸载服务对大多数计算任务。走上升的变化所导致的延迟卸载水平图也可以说明多级卸载模型有助于减少网络延迟。gydF4y2Ba

4.4。讨论gydF4y2Ba

的权重因子gydF4y2Ba影响成本函数之间的关系和整个系统最优效用函数和影响系统任务卸载的决定。当节点之间的距离关系是固定Distes-B,仿真分析如下图所示。gydF4y2Ba

如图gydF4y2Ba8gydF4y2Ba小任务时,系统总效用函数与一个更小的gydF4y2Ba值较高;当任务大小是中间值,系统总效用函数与一个更大的gydF4y2Ba值较高;当任务大,系统总效用函数与一个更小的gydF4y2Ba值略高。这是因为不同大小的任务选择不同卸载位置和延迟和能源消费有不同的倾向。当任务很小,移动终端设备就减少了资源有限的无人机任务。由于无人机能源是有限的,该系统将更加重视能源的成本,所以越小gydF4y2Ba值,系统总效用函数越高。出于同样的原因,增加了任务和任务卸载位置的变化,不同倾向的系统能量和时间延迟将影响系统的总效用函数对应于不同gydF4y2Ba值。gydF4y2Ba

在图gydF4y2Ba9gydF4y2Ba随着任务的增加,相对应的卸载策略不同gydF4y2Ba值会有所不同。时的值gydF4y2Ba大(系统更关注延迟成本),终端设备往往将下级的任务减少卸载延误成本。相反,当的价值gydF4y2Ba小(系统更关注能源的成本),终端设备将考虑传输任务中央云进行处理。当任务很大,延迟成本太大,任务将会切换到第二级最小的延迟。gydF4y2Ba

图gydF4y2Ba10gydF4y2Ba显示了权重因子的影响gydF4y2Ba效用函数的七个场景在一个固定的任务大小。S-uav的效用函数将减少与增加的重量值;在S-fap S-refap S-cen场景,效用函数和加权系数的增加会增加;S-recen和s - t场景由价值的影响较小gydF4y2Ba ,gydF4y2Ba但是该系统实用价值很低;S-immfcm在本文提出的效用函数是优于其他场景的效用函数和影响较小gydF4y2Ba 。gydF4y2Ba多级MFC网络模型是影响较小的权重因子,和效用函数是相对稳定的。无论系统倾向于推迟或能量,IMMFM可以找到一个合适的卸载方案,确保有效利用系统资源。gydF4y2Ba

5。结论gydF4y2Ba

针对的问题卸载策略计算密集型和latency-critical任务的网络,在异构网络环境中,分析了系统延迟和能源消费的效用函数积分无人机MFC网络。如果无人机包含继电器功能和雾节点功能,结合无人机多级MFC网络卸载模型包括中央云基于MDP算法。在多级卸载模型中,每个卸载级别可以灵活地共享卸载任务,实现系统资源的最佳利用,确保用户的QOS,终端设备和减少计算负担。优化雾节点之间的位置关系可以提高信道的通信质量,确保任务卸载的可靠性,这也是后续研究的方向。gydF4y2Ba

数据可用性gydF4y2Ba

仿真参数数据用于支持本研究的结果包括在本文中。gydF4y2Ba

的利益冲突gydF4y2Ba

作者宣称他们没有利益冲突有关的出版。gydF4y2Ba

确认gydF4y2Ba

这项工作得到了国家自然科学基金(61601182和61601182号),河北省自然科学基金(F2017502059和F2018502047),和部分基础研究基金下的中央大学授予2019 ms088。gydF4y2Ba

引用gydF4y2Ba

1. m·彭燕,k . Zhang, c .王”Fog-computing-based无线电接入网络:问题和挑战”,gydF4y2BaIEEE网络gydF4y2Ba,30卷,不。4,46-53,2016页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
2. A . r .汗,m·奥斯曼s . A . Madani和美国汗,“移动云计算的应用程序模型的调查。”gydF4y2BaIEEE通信调查和教程gydF4y2Ba,16卷,不。1,第413 - 393页,2014。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
3. c .龚f·林,x锣,y,“物联网智能计算合作优势,”gydF4y2BaIEEE物联网gydF4y2Ba,2020年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
4. e . Baccarelli m . Scarpiniti, a . Momenzadeh”EcoMobiFog-design和动态优化的5 g Mobile-fog-cloud多层流的实时分布式执行应用程序的生态系统,”gydF4y2BaIEEE访问gydF4y2Ba7卷,第55608 - 55565页,2019年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
5. Shirazi、a . Gouglidis a . Farshad和d .和记”扩展云:审查和分析移动计算和边缘雾从安全性和弹性的角度来看,“gydF4y2BaIEEE在选定地区通讯》杂志上gydF4y2Ba,35卷,不。11日,第2595 - 2586页,2017年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
6. y,郭,j·刘,y,“节能公平合作雾计算移动边缘网络智能城市,“gydF4y2BaIEEE物联网gydF4y2Ba》第六卷,没有。5,7543 - 7554年,2019页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
7. a . Bozorgchenani d Tarchi, g . e . Corazza“集中式和分布式能源和延迟架构高效雾计算服务网络优势,”gydF4y2BaIEEE绿色通信和网络gydF4y2Ba,3卷,不。1,第263 - 250页,2019。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
8. r . a . Addad d l . c .南美洲m . Bagaa t·塔勒布,h . Flinck”快速服务迁移在5克,”gydF4y2Ba2018年IEEE标准通信与网络会议(CSCN)gydF4y2Ba,页1 - 6,巴黎,法国,2018年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
9. a . Nassar和y Yilmaz”,强化学习的自适应资源分配雾竞选物联网异构延迟需求,”gydF4y2BaIEEE访问gydF4y2Ba7卷,第128025 - 128014页,2019年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
10. f .歌曲,m·朱y周,你,和h·张,“智能协同跟踪无处不在的电力物联网edge-cloud相互作用领域,“gydF4y2BaIEEE物联网gydF4y2Ba,2020年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
11. 加工,h·李,j .公园,李,“UAV-aided无线通信设计与推进能源约束,”gydF4y2Ba2018年IEEE国际会议通信(ICC)gydF4y2Ba,页1 - 6,堪萨斯城,密苏里州,美国,2018年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
12. x (c . Tang j .风扇,苏,”联合优化能源消耗和延迟cloud-to-thing连续,”gydF4y2BaIEEE物联网gydF4y2Ba》第六卷,没有。2、2325 - 2337年,2019页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
13. 答:a . a . Ateya a . Muthanna r . Kirichek m . Hammoudeh和a . Koucheryavy“能源和latency-aware混合卸载算法对无人机,“gydF4y2BaIEEE访问gydF4y2Ba7卷,第3536 - 2169页,2019年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
14. x y Tiankui张、j .厕所和d·杨”联合计算和通信设计UAV-assisted移动边缘计算在物联网,”gydF4y2BaIEEE工业信息学(早期访问)gydF4y2Ba,p . 2019。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
15. x, K.-K。黄、杨k和z郑”UAV-assisted传送和边缘计算:调度和轨迹优化,“gydF4y2BaIEEE无线通信gydF4y2Ba,18卷,不。10日,4738 - 4752年,2019页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
16. d .汉,s·李和z . Chen”混合能源比例分配算法在multi-base-station协作系统中,“gydF4y2BaIEEE访问gydF4y2Ba7卷,第147009 - 147001页,2019年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
17. j·李,李x, j .元,r·张“雾computing-assisted值得信赖的转发方案在移动互联网的事情,”gydF4y2BaIEEE物联网gydF4y2Ba》第六卷,没有。2、2778 - 2796年,2019页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
18. 李y, z . Liu j·张,和林,”联合工作调度和lightpath供应在雾计算微数据中心网络,”gydF4y2BaIEEE /阻塞性睡眠呼吸暂停综合症光通信和网络杂志》上gydF4y2Ba,10卷,不。7,152 - 163年,2018页。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
19. x y史、美国陈和徐,“米加:mobility-aware分布式移动云计算计算卸载决定,”gydF4y2BaIEEE物联网gydF4y2Ba,5卷,不。1,第174 - 164页,2018。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
20. h . Ko, j·李,美国包,“空间和时间计算卸载决策算法在边缘应用云计算的异构网络,”gydF4y2BaIEEE访问gydF4y2Ba》第六卷,第18932 - 18920页,2018年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
21. h, c, s .徐和f·林,“小说工业物联网安全的数据传输方案,“gydF4y2Ba中国通信gydF4y2Ba,17卷,不。1,第88 - 73页,2020。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
22. r·朱s, p . Wang y Tan和j .元,“渐进迁移共存固定/ cloud-fog计算弹性光网络,”gydF4y2BaIEEE访问gydF4y2Ba,8卷,第50647 - 50637页,2020年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
23. z陈:肖,d .汉”多层次任务卸载和资源优化边缘计算网络考虑无人机中继和绿色能源,”gydF4y2Ba应用科学gydF4y2Ba,10卷,不。7日,2020年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
24. 江d, l·霍z Lv, h .歌曲,和w·秦”联合多标准上进行网络选择方法Vehicle-to-Infrastructure网络,”gydF4y2BaIEEE智能交通系统gydF4y2Ba,19卷,不。10日,3305 - 3319年,2018页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
25. j·l·姚y z太阳,惠普任,和c . Grebogi“实验使用混乱的基带波形,无线通信”gydF4y2BaIEEE车辆技术gydF4y2Ba,卷68,不。1,第591 - 578页,2019。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
26. h . s . Dhillon r·k·Ganti f . Baccelli和j·g·安德鲁斯”的建模和分析K-tier下行异构蜂窝网络,”gydF4y2BaIEEE在选定地区通讯》杂志上gydF4y2Ba,30卷,不。3、550 - 560年,2012页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
27. a . Asheralieva和d . Niyato层次对策论和强化学习框架计算卸载UAV-enabled移动边缘计算网络与多个服务提供者,“gydF4y2BaIEEE物联网gydF4y2Ba》第六卷,没有。5,8753 - 8769年,2019页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
28. m·a·Alsheikh d·t·黄平君d . Niyato惠普Tan和林,”马尔可夫决策过程在无线传感器网络的应用程序:一个调查,“gydF4y2BaIEEE通信调查和教程gydF4y2Ba,17卷,不。3、1239 - 1267年,2015页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
29. j . b . Liu, s .马f .周马y,和g . Lu”节能合作移动边缘computing-enabled认知无线电网络,”gydF4y2BaIEEE访问gydF4y2Ba7卷,第45394 - 45382页,2019年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
30. h . Ko, j·李,美国包,“一个机会推动计划在异构无线网络,在线社交网络服务”gydF4y2BaIEEE网络和服务管理gydF4y2Ba,14卷,不。2、416 - 428年,2017页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba

版权gydF4y2Ba

版权©2020 Zhixiong陈等。这是一个开放的分布式下文章gydF4y2Ba知识共享归属许可gydF4y2Ba,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。gydF4y2Ba