导读:本文包含了移动计算环境论文开题报告文献综述、选题提纲参考文献，主要关键词:边缘,网络,数据,频谱,基站,终端,电能。
移动计算环境论文文献综述写法
陈惠娟,赵旭,陈亮[1]（2019）在《云计算环境中移动网络低匹配度异质信息入侵感知预测算法》一文中研究指出针对传统灰色神经网络组合预测算法对网络中入侵信息预测时,缺乏对低匹配度异质信息的预处理过程,未对信息入侵攻击意图进行预测,存在预测准确率低以及入侵防御性能差等问题,提出一种新的云计算环境中移动网络低匹配度异质信息入侵感知预测算法,通过灰色模型对初始网络低匹配度异质信息进行预处理.先采用基于元路径的低匹配度异质信息入侵感知预测算法得到入侵攻击意图矩阵,再根据该矩阵获取入侵攻击意图函数关系,实现低匹配度异质信息入侵攻击意图预测.仿真实验结果表明,该算法可全面预测信息入侵的意图和过程,对入侵信息节点防御成功率约为85%,误警率和漏警率较低,并具有较高的预测精度.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
陈王盛[2]（2019）在《移动计算环境下统一身份认证的智慧化重构》一文中研究指出从智慧校园特征及移动计算快速发展视角出发,简要分析了当前校园门户应用中统一身份认证系统存在的一些问题,进而对其进行智慧化升级改造.首先借助智能手机的指纹识别来升级系统的身份识别技术,其次围绕智能手机对系统的身份认证机制进行重新设计,从而实现系统的智慧化提升.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年09期）
朱新峰,张智浩,王彦凌[3]（2019）在《移动边缘计算环境下的动态资源分配策略》一文中研究指出在通讯设备爆炸式增长的时代,移动边缘计算作为5G通讯技术的核心技术之一,对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署(边缘云),使云计算中心更加靠近用户,以快速解决计算资源分配问题。但是,相对于大型的云计算中心,边缘云的计算资源有限,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题,提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA),采用"分治"策略,并将资源模拟成"流体"资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延,也可以提高边缘云的吞吐量。(本文来源于《计算机工程与科学》期刊2019年07期）
郑利阳,刘茜萍[4]（2019）在《移动云计算环境下基于任务依赖的计算迁移研究》一文中研究指出移动终端硬件的资源受限问题可以通过将本地计算任务迁移至云端来缓解。然而,相比远程云端,某些实时要求较高的复杂应用更适合迁移至微云。这类应用中各任务之间的依赖关系也会对迁移方案产生较大影响。结合任务之间的依赖关系及微云的特点,基于遗传算法思想提出一种计算迁移方法。根据不同微云处理不同类型任务时的能力,将微云进行类型划分。根据移动应用中不同任务之间时序与数据的双重依赖关系,结合能耗和响应时间的考量,设计一个计算迁移算法,以获取具有较优效用值的迁移方案。通过仿真验证了该方法的可行性和有效性。(本文来源于《计算机应用与软件》期刊2019年07期）
马歌[5]（2019）在《云计算环境下网页制作课程移动学习平台建设》一文中研究指出针对目前网页制作课程教学内容特点以及教学中存在的问题,探索构建基于云计算环境下的网页制作课程移动学习平台,学习者通过该平台能够不受时间、地点、设备的限制,随时随地获取优质的学习资源,促进学生个性化发展,并为高校其他编程类教学提供借鉴。(本文来源于《电脑编程技巧与维护》期刊2019年06期）
甘为民[6]（2019）在《云计算环境下的4G移动通信网络建设分析》一文中研究指出随着当前我国的网络技术的迅速发展,4G移动通信网络的建设工作开展就显得比较重要,将移动通信网络进行优化建设,就需要借助新的技术,云计算环境下的移动通信网络建设就成为重要的发展任务。(本文来源于《数字通信世界》期刊2019年06期）
刘鹏[7]（2019）在《移动边缘计算环境下资源联合分配的相关问题研究》一文中研究指出随着移动设备与无线网络的迅速发展,移动设备类型不断丰富、计算能力不断增强,相应的应用程序也更加多样,诸如增强现实、人脸识别、虚拟现实等应用都需要在移动设备上运行,因此对设备的计算能力提出很高的要求。而与之矛盾的是,移动设备的计算、存储、电能等资源往往不够充足。因此,移动云计算和移动边缘计算作为一种有效的解决方案应运而生,它们将任务卸载到云数据中心或边缘服务器,利用服务器强大的计算能力弥补移动设备资源不足的问题。其中,移动边缘计算作为移动云计算的改进技术,将数据中心的计算能力下沉到网络边缘,通过缩短物理距离克服了移动云计算高延迟、数据中心压力大等问题,受到工业界和学术界的广泛关注。而随着5G、物联网、人工智能、大数据的发展,移动边缘计算更成为必不可少的支撑技术。与移动云计算中的资源管理方式不同,移动边缘计算需要考虑计算与通信资源紧密结合的特点,联合分配计算与通信资源,实现最优的分配方案。因此,目前已有很多资源联合分配方面的研究工作,较之传统的分配方式已经大幅提升了电能效率、缩短了任务延迟。而随着移动设备和应用的进一步发展,一方面对低能耗、低延迟的需求不断提升,另一方面在发展过程中也出现了很多新的问题,单纯依靠资源的优化分配开始显得力不从心。为此,本文以保证用户服务质量的前提下最小化电能消耗为目标,针对移动边缘计算场景下距离较远的移动设备传输延迟高甚至不能直接接入到边缘网络的问题、移动设备电池使用时间短的问题以及任务卸载过程带来额外电能和时间开销的问题,分别在结合Ad Hoc自组织网络、无线电能传输技术和边缘缓存技术的新型移动边缘计算系统架构下,结合实际场景建模计算、通信、上传决策等多个关键参数的联合优化问题。进一步,将问题进行形式化并提出基于凸优化、块坐标下降等先进数学优化算法的求解方法,保证以较低计算开销完成问题的求解。本文的具体贡献如下:首先,针对距离较远移动设备上传延迟过高甚至无法直接连接到基站的问题,以C-RAN环境为背景,将其视为移动边缘计算的一种实现形式,研究了在C-RAN架构下结合无线自组织网络的解决方案,远距离设备通过多跳自组织网络与基站通信,提升了网络带宽,缩短了传输延迟。在考虑到移动设备电能受限及设备移动性等问题的前提下,提出联合优化负责传输数据的稳定路径以及负责计算的虚拟机的方案,并通过启发式算法找到使总能耗最小的最优联合分配方案。模拟实验证明所提出的联合分配方案较计算与通信资源单独分配具有明显优势。其次,针对移动设备因电能受限无法长时间工作的问题,在结合无线电能传输技术的移动边缘计算架构下,采用时分复用的方式先收割电能,再利用收割到的电能执行任务。为实现最大化收割电能的同时最小化消耗电能的目标,建模了一个最大化剩余电能问题,提出联合优化卸载比率、电能收割时间、通信的上传功率、计算的CPU频率的优化方案。最终,针对形式化的优化问题提出了结合凸优化与序列无约束极小化技术的方法对问题进行求解。模拟实验证明所提出的联合分配方案能够明显提升电能效率,且求解算法具有较小的时间开销。最后,针对移动边缘计算中任务卸载过程带来的额外电能和时间开销问题,在结合边缘缓存技术的移动边缘计算架构下,重新定义了任务缓存的概念,通过在边缘服务器中缓存区域内频繁执行的任务以减少不必要的重复数据传输。为了进一步提升电能效率,建模移动边缘计算与任务缓存结合环境下的计算、通信、缓存资源及卸载比率的联合优化问题,并最终提出基于块坐标下降法与凸优化相结合的求解方法,将原始非凸问题拆解成两个部分并交替迭代求得最优分配方案。实验证明所提出的联合优化方案能够在保证用户服务质量的前提下获得更低的能耗开销,且所提出的求解方法具有较低的计算开销。总体来说,本文中每个章节均包含模型、优化算法两个层面的创新。模型层面,在结合新技术的移动边缘计算架构下,结合实际场景,建模计算、通信资源以及其它重要参数的联合优化问题。算法层面,结合凸优化等先进的数学优化算法,对问题进行严格的推导、化简、求解,保证算法的准确与高效。(本文来源于《吉林大学》期刊2019-06-01）
孟洁[8]（2019）在《移动边缘计算环境中数据与计算卸载方法研究》一文中研究指出移动边缘计算针对传统云计算能力的不足,在移动用户附近的无线接入网络边缘提供云计算功能,满足快速交互响应的需求,提供普遍且灵活的计算服务。为使用边缘网络提供的服务,移动设备如何将所承担的任务卸载至边缘服务器,进行高效合理的卸载决策,已经成为目前边缘计算问题的主要研究方向。本文针对移动边缘计算环境中数据卸载与计算卸载,研究了多用户多任务的场景下卸载决策的问题,并提出了基于机会接触的数据卸载算法和基于博弈的计算卸载算法。首先,本文研究了基于多用户多任务的数据卸载算法。提出了一个基于机会接触的启发式数据卸载算法,考虑了多任务的截止时间和数据大小的差异,并研究了移动节点与移动节点之间、移动节点与非移动节点之间的接触模式,以最大限度地降低数据卸载成本。基于启发式算法提出了离线算法,设计了实时的在线数据卸载算法。并通过实验仿真分析了数据卸载的结果,证明了所提算法的卸载成本和卸载率均优于其他多用户多任务数据卸载算法。其次,本文进一步研究了基于多用户多任务的计算卸载算法。构建通信模型、计算模型、卸载权重模型,提出了一个基于博弈论的计算卸载算法,按时隙进行迭代进行计算卸载决策。并通过仿真实验进行验证该算法计算卸载可经过迭代达到平衡,使得用户稳定协调,且大幅降低整体开销。总之,本文研究了多用户多任务场景下的数据卸载和计算卸载问题,旨在提升系统整体效率与开销,为移动边缘计算中重要的环节提供了卸载决策方法。(本文来源于《北京邮电大学》期刊2019-05-30）
陈佳熠[9]（2019）在《移动终端分布式网络环境下计算迁移任务调度技术研究》一文中研究指出移动终端分布式网络一般由相互对等的终端设备构成,各节点承担任务处理和任务转发工作。如何充分利用设备有限的能量,保证网络平稳运行,以及提高任务处理效率是该领域的关键技术问题。已有研究工作一般采用集中式算法进行任务调度,将网络划分为多个区域子中心,难以充分利用设备的整体资源。计算迁移技术侧重于将高负载节点的计算任务迁移至低负载节点进行,从而提高全网资源利用水平。高效的任务调度方法,对于利用计算迁移技术延长移动终端分布式网络的生命周期,降低任务处理时延至关重要,相关研究相对匮乏。为此,本文围绕移动终端分布式网络环境下计算迁移任务调度技术,开展了如下工作:(1)提出了一种能量受限情况下最大化移动终端网络生命周期的补偿式计算迁移算法。该算法通过对移动终端分布式网络建模,利用图论中的最小费用最大流算法确定理想迁移最佳方案,随后通过迭代式补偿,求得逼近最优解的近似解。该算法的最终目的是在能量受限情况下,通过任务调度调整各个节点的计算能耗和传输能耗,最终实现全网生命周期均衡,达到保证服务质量的目的。经过实验验证,所提出的算法能够将网络生命周期提升至原有的1 70～240%。(2)提出了一种数据流量受限情况下最小化移动终端任务处理时延的计算迁移算法。该算法基于移动终端分布式网络中的计算迁移,利用动态规划和背包理论确定最佳迁移方案,将部分终端的高时延任务迁移至其邻近终端执行,降低整体任务处理时延,提升响应速度,优化用户体验,有效缓解部分节点的拥塞情况。经过实验验证,所提出的算法能够将原有网络响应时延降低20～40%。本文所提出的移动终端分布式网络环境下计算迁移任务调度技术可为相关领域的研究工作和工程实践提供理论参考。(本文来源于《北京邮电大学》期刊2019-05-28）
苑文[10]（2019）在《基于多基站协作的移动边缘计算环境下资源管理技术研究》一文中研究指出移动边缘计算(Mobile Edge Computing,MEC)赋予蜂窝网络边缘设备—基站计算和存储能力,移动终端可将其任务迁移至该类设备处辅助处理,从而提高任务处理效率,降低移动终端能耗。资源管理技术作为移动边缘计算的核心技术之一,具有重要的研究价值。针对多基站协作的计算存储资源整合优化的研究相对匮乏,已有的研究主要针对单基站场景,且将计算与存储资源进行孤立优化,也未充分考虑运营商收益对系统的影响。本文首先深入研究了多终端多智能基站环境下移动边缘计算服务部署和信息交互模式,建立了计算迁移和数据缓存的运行机制,设计了系统架构和基于多基站协作的资源管理算法。其次,本文提出了一种面向总体任务处理时延最小化的资源管理方案。本文将各类移动终端任务的特征抽象为有序向量,量化系统各组件的特征和信号传输速率,将面向总体任务处理时延的优化问题分解为计算时延和传输时延两部分并分别建模,将基于遗传算法的最优化算法与基于多基站协作的资源管理算法结合。仿真工作围绕不同参数的不同取值展开,结果表明与不具备移动边缘计算功能和数据缓存功能关闭的两种方案相比,本文方案的总体任务处理时延显着降低。最后,本文提出了一种面向移动运营商收益最大化的资源管理方案。方案在满足用户满意度边界的前提下,将总体收益问题分解为传输成本、计算成本、缓存成本、计算收入和缓存收入五部分,分别进行建模,其中用户满意度被抽象为任务处理时延,移动边缘计算智能基站的运维开销和收益被抽象为单位成本和收入。最后,设计了相应的最优化资源管理算法并进行仿真,与数据缓存功能未开启的方案相比,本文方案使移动运营商总体收益显着增加。本文提出的面向总体任务处理时延最小化的和面向移动运营商收益最大化的资源管理方案提高了系统性能和收益,为移动边缘计算资源管理技术的研究工作贡献了理论成果。(本文来源于《北京邮电大学》期刊2019-05-26）
移动计算环境论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
从智慧校园特征及移动计算快速发展视角出发,简要分析了当前校园门户应用中统一身份认证系统存在的一些问题,进而对其进行智慧化升级改造.首先借助智能手机的指纹识别来升级系统的身份识别技术,其次围绕智能手机对系统的身份认证机制进行重新设计,从而实现系统的智慧化提升.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
移动计算环境论文参考文献
[1].陈惠娟,赵旭,陈亮.云计算环境中移动网络低匹配度异质信息入侵感知预测算法[J].吉林大学学报(理学版).2019
[2].陈王盛.移动计算环境下统一身份认证的智慧化重构[J].赤峰学院学报(自然科学版).2019
[3].朱新峰,张智浩,王彦凌.移动边缘计算环境下的动态资源分配策略[J].计算机工程与科学.2019
[4].郑利阳,刘茜萍.移动云计算环境下基于任务依赖的计算迁移研究[J].计算机应用与软件.2019
[5].马歌.云计算环境下网页制作课程移动学习平台建设[J].电脑编程技巧与维护.2019
[6].甘为民.云计算环境下的4G移动通信网络建设分析[J].数字通信世界.2019
[7].刘鹏.移动边缘计算环境下资源联合分配的相关问题研究[D].吉林大学.2019
[8].孟洁.移动边缘计算环境中数据与计算卸载方法研究[D].北京邮电大学.2019
[9].陈佳熠.移动终端分布式网络环境下计算迁移任务调度技术研究[D].北京邮电大学.2019
[10].苑文.基于多基站协作的移动边缘计算环境下资源管理技术研究[D].北京邮电大学.2019