移动Ad Hoc云中基于能量收集的分布式卸载方案研究

在物联网快速发展的驱动下,移动Ad Hoc云计算和能量收集(EH)技术通过共享邻近设备的闲置资源满足数据处理等需求,实现绿色通信。然而,由于Ad Hoc云网络的时变性以及EH的随机不稳定性,合理的任务卸载方案研究面临着严峻的挑战。针对以上问题,该文运用Lyapunov优化理论和博弈论,提出一种分布式动态卸载方案。理性的终端设备不可能无偿地为其他终端设备服务,为了鼓励终端设备积极参与计算卸载过程,提出一种基于动态报价的激励机制。相比于现有方案,仿真结果表明所提方案可以有效提升系统收益,稳定电池能量和减少任务队列积压。

一种融合遗传蚁群算法的ad hoc云任务卸载算法

针对ad hoc云中的任务卸载问题,设计一种多目标任务卸载决策模型。综合考虑任务完成时间、能耗和额外开销进行卸载决策,并选取簇头节点作为集中控制器进行合理的任务分配。提出一种融合遗传算法和蚁群算法的任务卸载算法,利用遗传算法的快速搜索能力得到可行解,将其作为蚁群算法的初始信息素,再利用蚁群算法的正反馈机制实现对任务分配方案的精确求解。仿真结果表明,该算法与随机任务分配算法、异构感知任务分配算法和遗传算法相比,能有效降低任务完成时间和能量消耗。

Ad hoc云中基于移动预测的多准则任务卸载算法

为了提升Ad hoc云中任务卸载的效率,针对节点随机移动性及资源异构性对任务卸载的影响,提出一种基于移动预测的多准则任务卸载算法。根据时间序列分析预测节点逃离时间,并将其作为节点移动性衡量指标;运用层次分析法得到CPU速度、核心数、负载及移动性的权重;最后根据任务大小及计算得到的组合权重进行任务卸载。仿真结果表明,相比于随机任务分配和Min-Min调度算法,该算法能够有效降低任务执行时间和能量消耗。