多條件約束下邊緣服務(wù)器選址策略研究
發(fā)布時(shí)間：2021-01-18 03:25
邊緣計(jì)算是未來(lái)信息時(shí)代的重要支柱之一,例如在智慧城市,智能家居,智能交通系統(tǒng)中邊緣計(jì)算都扮演著重要角色。近年來(lái),邊緣計(jì)算的研究工作已經(jīng)成為一個(gè)熱點(diǎn)問(wèn)題,人們希望通過(guò)一種新的體系架構(gòu)來(lái)使得一些需要大量計(jì)算量的計(jì)算任務(wù)能夠在便攜式設(shè)備上運(yùn)行,例如手機(jī),平板電腦和一些穿戴式設(shè)備。但是這些設(shè)備由于其處理器能力并不是很強(qiáng)大,并且受到自身電源的限制,使得這些大型的計(jì)算任務(wù)不可能直接運(yùn)行在這些設(shè)備上。近年來(lái),邊緣計(jì)算的相關(guān)研究不斷進(jìn)步,邊緣計(jì)算被認(rèn)為能很好的解決這些問(wèn)題。它的主要思想是將這些大型的計(jì)算任務(wù)放到離用戶很近的邊緣服務(wù)器上來(lái)進(jìn)行。但是目前很少有研究關(guān)于邊緣服務(wù)器的位置及選址問(wèn)題。大家都是默認(rèn)邊緣服務(wù)器已經(jīng)部署在一個(gè)理想的位置,從而滿足邊緣計(jì)算的各種需求。然而,邊緣服務(wù)器的選址問(wèn)題一直都是一個(gè)比較難的問(wèn)題。因此,本文提出了兩種關(guān)于邊緣服務(wù)器選址方案來(lái)進(jìn)一步推進(jìn)邊緣計(jì)算的發(fā)展。本文的主要工作如下:1.提出了一種基于成本效益的邊緣服務(wù)器選址策略。我們?cè)谘芯窟吘壏⻊?wù)器部署方案的時(shí)候,從服務(wù)提供商節(jié)約成本的角度出發(fā),我們選擇在已有的基站上來(lái)部署邊緣服務(wù)器,而不是重新尋找新的位置。但是我們觀察一個(gè)城市...
【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校
【文章頁(yè)數(shù)】：66 頁(yè)
【學(xué)位級(jí)別】：碩士
【部分圖文】：
單目標(biāo)與多目標(biāo)示意圖
第二章相關(guān)算法介紹12TpxfxfxfxfxfV)](),...,(),(),([)(min321=.Xxts（2.4）mRXV-min表示向量極小化，即向量目標(biāo)fi(x)中的各個(gè)子目標(biāo)函數(shù)都盡可能達(dá)到極小化。（極大化和極小化問(wèn)題可以相互轉(zhuǎn)化，因此本文僅以極小化為例。）若RXm是多目標(biāo)優(yōu)化模型的約束量集，m)(Rxf是多目標(biāo)優(yōu)化時(shí)的向量目標(biāo)函數(shù)；（1）若有解x1,x2∈X，并且任意的k=1,2,3....都有)()(21xfxfkk，則稱x1比解x2優(yōu)越，也就是：.,21xXxX若)()(21xfxfkk（k=1,2，...,p）并且)()(21xfxfkk（k=1,2,3,...,p）。這個(gè)就是多目標(biāo)問(wèn)題中的占優(yōu)概念。（2）若x1比X中所有的其他解更優(yōu)，效果更好，則x1是多目標(biāo)模型的最優(yōu)解。（3）設(shè)f(x)為多目標(biāo)優(yōu)化的向量目標(biāo)函數(shù)，S為多目標(biāo)優(yōu)化的可行域。若f(X)≤f(X)X∈S則f(X)稱是多目標(biāo)優(yōu)化的絕對(duì)最優(yōu)解。若f(X)≤f(X)X∈S，則稱X是多目標(biāo)優(yōu)化問(wèn)題的非劣解。即Pareto最優(yōu)解。非劣解也稱為有效解(EfficientSolution)、非支配解(Non-dominatedSolution)、Pareto最優(yōu)解(ParetoOptimalSolution)或Pareto解。多目標(biāo)優(yōu)化問(wèn)題的非劣解一般情況下不止一個(gè)，由這些非劣解組成的集合稱為非劣解集(Non-inferiorSet)。這些非劣解集對(duì)應(yīng)的目標(biāo)函數(shù)則構(gòu)成了多目標(biāo)問(wèn)題的Pareto前緣，也稱為非劣解。由上述定義可知，多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解x1就是使目標(biāo)函數(shù)f(x)的每個(gè)子目標(biāo)函數(shù)都在x1處達(dá)到最優(yōu)解，如圖所示，這顯然存在偶然性，并不具有代表性。圖2.2多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解Fig.2.2Optimalsolutionofmulti-objectiveoptimizationproblem
安徽大學(xué)碩士學(xué)位論文 當(dāng)解 x1 并不能使所有的 fi(x)的都達(dá)到最優(yōu)，但并不存在比 x1 更優(yōu)越的解時(shí)，則稱x1 是多目標(biāo)最優(yōu)化模型的 Pareto 最優(yōu)解。
本文編號(hào)：2984176
【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校
【文章頁(yè)數(shù)】：66 頁(yè)
【學(xué)位級(jí)別】：碩士
【部分圖文】：
單目標(biāo)與多目標(biāo)示意圖
第二章相關(guān)算法介紹12TpxfxfxfxfxfV)](),...,(),(),([)(min321=.Xxts（2.4）mRXV-min表示向量極小化，即向量目標(biāo)fi(x)中的各個(gè)子目標(biāo)函數(shù)都盡可能達(dá)到極小化。（極大化和極小化問(wèn)題可以相互轉(zhuǎn)化，因此本文僅以極小化為例。）若RXm是多目標(biāo)優(yōu)化模型的約束量集，m)(Rxf是多目標(biāo)優(yōu)化時(shí)的向量目標(biāo)函數(shù)；（1）若有解x1,x2∈X，并且任意的k=1,2,3....都有)()(21xfxfkk，則稱x1比解x2優(yōu)越，也就是：.,21xXxX若)()(21xfxfkk（k=1,2，...,p）并且)()(21xfxfkk（k=1,2,3,...,p）。這個(gè)就是多目標(biāo)問(wèn)題中的占優(yōu)概念。（2）若x1比X中所有的其他解更優(yōu)，效果更好，則x1是多目標(biāo)模型的最優(yōu)解。（3）設(shè)f(x)為多目標(biāo)優(yōu)化的向量目標(biāo)函數(shù)，S為多目標(biāo)優(yōu)化的可行域。若f(X)≤f(X)X∈S則f(X)稱是多目標(biāo)優(yōu)化的絕對(duì)最優(yōu)解。若f(X)≤f(X)X∈S，則稱X是多目標(biāo)優(yōu)化問(wèn)題的非劣解。即Pareto最優(yōu)解。非劣解也稱為有效解(EfficientSolution)、非支配解(Non-dominatedSolution)、Pareto最優(yōu)解(ParetoOptimalSolution)或Pareto解。多目標(biāo)優(yōu)化問(wèn)題的非劣解一般情況下不止一個(gè)，由這些非劣解組成的集合稱為非劣解集(Non-inferiorSet)。這些非劣解集對(duì)應(yīng)的目標(biāo)函數(shù)則構(gòu)成了多目標(biāo)問(wèn)題的Pareto前緣，也稱為非劣解。由上述定義可知，多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解x1就是使目標(biāo)函數(shù)f(x)的每個(gè)子目標(biāo)函數(shù)都在x1處達(dá)到最優(yōu)解，如圖所示，這顯然存在偶然性，并不具有代表性。圖2.2多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解Fig.2.2Optimalsolutionofmulti-objectiveoptimizationproblem
安徽大學(xué)碩士學(xué)位論文 當(dāng)解 x1 并不能使所有的 fi(x)的都達(dá)到最優(yōu)，但并不存在比 x1 更優(yōu)越的解時(shí)，則稱x1 是多目標(biāo)最優(yōu)化模型的 Pareto 最優(yōu)解。
本文編號(hào)：2984176
本文鏈接：http://www.lk138.cn/kejilunwen/jisuanjikexuelunwen/2984176.html
最近更新
教材專著
