异构移动云计算环境下多用户协作的动态任务卸载及资源分配优化研究

Mobile cloud computing as a newly emerging computing paradigm can reduce computation burden and energy consumption of mobile devices. However, how to achieve energy-effective dynamic application partitioning and task offloading and optimally allocate computation resources in mobile and cloud ends in the multi-user and multi-cloud environment remains a key problem to be addressed urgently. To address this problem, by considering the competitions on network resource and cloud resource among multiple users, we will first propose the fine-grained multi-user computation partition strategies on a constrained number of cloud resources and on the basis of cloudlet mesh, respectively, so as to address the problem of multi-user dynamic partitioning for mobile applications; then by taking into account of the computation task dependency and the connection instability in cloudlet mesh, we will propose an energy-effective multi-user cooperative task offloading strategy in the heterogeneous network environment and a multi-user robust task offloading strategy with fault tolerance so as to address the problem of multi-user cooperative dynamic task offloading; furthermore, to maximize the utility of the resources in the mobile and cloud ends, we will propose joint dynamic task offloading and local resource scheduling in mobile devices with the single or multiple cores, and study the optimal and collaborative resource allocation between mobile devices and cloudlet mesh so as to address the problem of optimizing dynamic task offloading by optimally allocating resources. The outcome of this project will have the imperative significance on promoting the development of smart mobile devices and mobile Internet.

移动云计算作为一种新兴的计算模式，可以降低移动设备的计算负担和能量开销。然而，如何实现多用户多片云环境下动态应用分割和任务卸载、最优地分配移动端和云端资源以最小化任务执行时间和计算能量开销仍是亟待解决的关键问题。为此，本项目通过考虑多用户对网络资源和云资源的竞争，提出有限云资源约束下的和基于微云网的细粒度多用户计算任务分割策略，从而解决多用户移动应用动态分割问题；通过考虑计算任务的依赖性和微云网连接的不稳定性，提出在异构网络环境下能量有效的多用户协作任务卸载策略以及带故障容忍的多用户鲁棒任务卸载策略，从而解决多用户协作任务动态卸载问题；为了最大化利用移动端和云端资源，提出带单核及多核移动设备的联合动态任务卸载和本地资源调度策略，研究移动设备与微云网最优资源协作分配策略，从而解决通过最优资源分配优化动态任务卸载问题。本项目研究对智能移动设备和移动互联网的发展具有重要的理论意义和和应用价值。

移动云计算作为一种新兴的计算模式，可以降低移动设备的计算负担和能量开销。然而，如何实现多用户动态应用分割和任务卸载、最优地分配移动端和云端资源以最小化任务执行时间和计算能量开销仍是亟待解决的关键问题。针对以上问题，本项目首先研究了多用户协作下的动态任务卸载及资源分配优化策略，提出了一种带故障恢复的鲁棒计算卸载策略，设计了一种计算任务卸载博弈机制，通过算法计算得到能够同时卸载任务的移动设备的最大数量并求出一组最优的执行任务卸载的移动设备。其次，研究了降低服务延迟和能量消耗的边缘缓存问题，利用动态规划算法解决了缓存布局问题，提出了一种由贪婪缓存布局策略和贪婪缓存更新策略组成的缓存管理策略。在此基础上，提出了一种分布式协同数据缓存与计算卸载迭代算法及协同服务缓存和计算卸载，在提高服务质量的同时降低了计算复杂度。再者，本项目研究了异构移动云计算环境下视频内容的高效处理方法，根据网络连接和用户的容忍延迟来生成和传输视频摘要，则有利于改善用户的观看体验和带宽利用率，提出了“弹性视频摘要算法”的在线贪婪算法。最后，研究了效用最大化的资源提供商定价机制，考虑了边缘内容的时间敏感性和内容使用者异质性的基础上，描述了边缘内容市场的内容供需模型、内容提供者的成本和效用，利用凸问题求解获得基于市场的普通服务价格对应关系，然后利用拍卖机制对具有竞争关系的多运营商和多用户进行价格服务匹配，达到高效准确的定价目的。本项目通过计划时间内的科学研究，完成了项目规定的研究任务，达到了预期的研究目标。