导读:本文包含了移动台分配策略论文开题报告文献综述及选题提纲参考文献，主要关键词:移动边缘计算,分治法,资源分配,频谱
移动台分配策略论文文献综述
朱新峰,张智浩,王彦凌[1]（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）
季鲁月[2]（2019）在《移动可充电边缘计算中高能效资源分配策略研究》一文中研究指出随着互联网服务场景的规模快速增长,如何解决计算、存储和电池资源有限的移动设备无法满足高复杂度和高能耗服务仍然是一个挑战。移动云计算(MCC)可以利用云中可用的大量资源来提供弹性计算和存储能力,以支持资源受限的终端设备。然而,计算负载向中心云的迁移将导致大量的数据传输和传输延迟。这将影响应用的服务质量,尤其是一些延迟敏感的工业控制应用。因此,移动边缘计算(MEC)这一新的网络架构概念获得了学术和工业界的广泛关注。MEC通过将计算,存储和服务功能迁移到网络边缘,使得应用程序、服务和内容被部署离用户更近的本地。由于边缘云服务器靠近用户,MEC网络可以提供具有超低延迟,高带宽和直接访问实时网络信息的服务环境。本文的主要研究内容是在基于无线功率传输的多用户MEC网络以及无线可充电通信网络中实现高能效的网络资源分配。首先,本文提出了一种基于充电-卸载协议的MEC网络框架,采用时分多址接入(TDMA)机制,以完成近远两类用户的计算密集型任务卸载。从系统的角度出发,最大化所有移动用户的能量效率。从用户公平性角度考虑,最大化在所有用户中能量效率最小的用户。最后,本文提出了一个基于无线功率传输通信网络的资源分配算法,以实现发射/接收机的高能效通信。本文主要研究内容及成果阐述如下:1.研究非合作机制下用户公平性问题以及用户协作通信机制下最大化用户整体的能量效率问题。首先,本文利用能量效率来刻画用户效益函数,提出最大化最小用户能量效率问题(MMUEE)以保证用户公平性。其次,为了解决无线功率传输网络中存在的“双近远”问题,本文采取了用户协作方案,利用近端用户作为中继帮助远端用户转发其任务或应用。此外,基于绿色环保的理念,本文提出在满足用户时间约束、服务质量和能量约束条件下的最大化用户能量效率问题。本文提出两种时间分配优化算法以实现用户个体和整体能量效率最大化。仿真结果表明,与非协作机制相比,本文所提的用户协作可以有效解决“双近远”问题,并大大提高了MEC系统的能量效率。2.研究无线可充电通信网络中发射机的能量效率优化问题。在TDMA机制下对发射/接收机充电和信息传输过程进行建模,在最大发射功率、最小收集能量和最小服务质量的条件约束下,构建一个能量效率最大化的非凸问题。特别地,本文提出了功率分配与时间分配的优化算法,以实现发射机能量效率最大化。仿真结果表明,所提出的优化算法在不同实验参数设置下均能快速收敛,这有利于其在实际系统中的应用。此外,还验证了最小服务质量和最小捕获能量约束对系统能量效率的影响。(本文来源于《西南大学》期刊2019-03-20）
杨鹏[3]（2018）在《移动边缘系统中多媒体内容分发与资源分配策略研究》一文中研究指出近年来,随着移动终端数量爆发式增长和新型移动应用的涌现,敏捷高效地响应海量移动用户请求面临着巨大的挑战。当前流行的基于云计算的移动应用运营模式的缺陷逐步凸显:由云服务器处传输海量数据至用户端对网络链路带宽造成了巨大压力,增加了响应用户请求的时间,显着影响了用户体验。在此背景下,新型的移动边缘计算架构被提出,具有计算和存储资源的边缘节点被大量部署在接入网内,以提升用户设备承载移动应用能力并降低响应时间,缓解无线回程网络带宽压力。由于高清视频和图像等多媒体流应用内容丰富、表现力生动,其在无线网络中的流量占比不断攀升。在移动边缘网络架构下,利用边缘节点实现高效的多媒体内容分发对提升移动用户体验和增加边缘系统资源利用效率具有重要意义。为此,本文从如下叁个方面对边缘系统的多媒体内容分发和采集方法展开研究:移动边缘网络架构设计与多维资源分配联合优化、边缘节点多媒体内容存储策略和基于边缘节点地理位置的多媒体内容采集方法。最后,本文将归纳总结出相关领域研究空白和对未来工作的展望。首先,本文将考虑当前移动应用的多样化需求及边缘节点资源特征,设计边缘-云节点互协作框架。通过层次化的边缘结构和中心化的请求处理方式,该框架能在边缘-云协同作用下对用户请求处理作出最优决策,具有高效响应用户请求的能力。随后,基于该协作框架,本文研究边缘系统服务各类多媒体应用时的多维资源分配问题。相较于云服务器,边缘节点数目更多但节点各类资源有限。为提高移动多媒体用户体验和边缘资源的利用率,边缘系统内的存储、计算和通信资源需要被合理分配与优化调度。针对该问题,本文建立了一种基于网络状态和流媒体分发应用特征的资源需求模型。以优化各类流媒体分发质量为目标,本文提出了一种基于强化学习的多维资源分配算法,在理论上具有逼近后验最优算法的性能。其次,本文将研究基于边缘节点位置特征的内容存储算法设计。由于多媒体文件数据量巨大,而边缘节点存储资源有限,因而需要对各多媒体文件进行流行度预测和分析,以将流行度较高的媒体内容缓存在本地。高效的存储算法可以有效增加本地处理的媒体内容请求量,降低处理用户请求的延时,提高边缘节点资源利用率,并降低无线网络回程带宽压力。为实现上述目标,本文提出基于边缘节点的计算与存储资源,对用户请求和多媒体内容特征进行精细化的数据采集与预测分析,进而制定定制化的内容存储策略,以提高边缘节点本地响应的用户请求量。由于边缘节点位置特征具有多维特性,其对内容请求量的影响未知且随时间变化,为了制定精细化的存储策略,需对此类特征进行持续估计。在此背景下,本文将首先建立用户请求与地理位置特征之间的数学模型。在内容的边缘节点特征已知的条件下,建立并分析边缘节点位置特征向量与用户请求的关系。基于上述关系模型,本文将设计高准确度的地理位置特征在线预测算法。基于历史数据,通过强化学习的方式不断对边缘节点特征进行在线预测。最后,根据上述位置特征在线预测算法和用户请求数学模型,设计相应的边缘存储算法,并对其进行理论和数值分析,并获取实际数据对所设计的边缘存储算法进行验证。然后,我们将研究基于边缘节点空间位置信息的多媒体内容众包采集。传统众包采集方法主要依赖于云平台,而基于地理位置信息的边缘节点内容采集具有更广泛的前景。地理位置相关的信息可以直接在边缘平台采集并处理,进而有效降低传输至云平台处的数据量。基于边缘节点的上述优势,本文提出在边缘节点采取平台即服务(Platform as a Service,PaaS)的方式,探索高效的边缘空间内容众包采集方法。具体地,本文将首先设计基于边缘平台的内容众包采集模式。在众包服务背景下,内容需求方首先向众包平台提出内容采集请求,并提供相应的奖励机制。在此众包模式下,本文将设计空间内容众包采集的奖励机制以及参与者选择算法,利用边缘节点计算和存储资源通过强化学习的方式,动态选取众包应用参与者。该长效机制和在线算法有效规避了参与者的自私行为,增加了任务请求者的效用,并实现了众包平台长期累积效用的最大化。最后,本文通过理论分析对该算法相比后验最优策略的效用损失进行量化;通过抓取实际众包应用数据,对所设计算法的性能进行实验验证。最后,本文对以上研究内容和创新点进行了总结,基于移动边缘网络架构发展趋势和多媒体内容存储与传输领域的研究动态对本文的扩展工作进行了展望。作为移动边缘网络架构和多媒体内容存储、传输的交叉研究方向,本文对多媒体内容在边缘网络中的分发和采集为移动边缘系统支撑新型多媒体应用提供了理论依据、性能分析方法和实际部署方案。(本文来源于《华中科技大学》期刊2018-05-01）
郭浩[4]（2018）在《移动群智感知中激励机制与任务分配策略的研究》一文中研究指出随着智能设备的迅速发展和普及,移动群智感知引起了广泛的关注。在移动群智感知系统中,携带智能设备的移动用户被看成基本的感知单元,他们利用智能设备所携带的传感器进行数据的感知,并通过无处不在的无线网络进行感知数据的传输,从而完成大规模的、复杂的社会感知任务。群智感知需要大量移动用户作为参与者加入到感知活动中,而用户在感知数据时需要消耗自己的资源甚至暴露自己的隐私,执行过多的感知任务也会产生巨大的负载。因此,我们需要一方面设计合理的激励机制来吸引用户参与感知任务,另一方面设计合理的任务分配和用户调度机制来尽可能减少用户的负载。本文首先对移动群智感知中的激励机制展开研究。在群智感知系统中,存在多个移动用户和感知任务,每个感知任务都拥有一定的预算,可由多个移动用户共同执行,移动用户执行感知任务所产生的消耗是不同的,感知任务希望在有限的预算下获得高质量的感知数据。为了解决该问题,本文提出了一个基于数学模型的分布式拍卖机制来获得感知任务和移动用户的交易组合。我们通过实验和理论分析证明该机制具有个体理性、预算平衡、真实性等特性。另一方面,针对移动群智感知中移动用户的负载问题,本文提出了一个基于启发式算法的任务分配和用户调度机制来减小参与感知任务的移动用户的最大负载,并通过实验对算法性能进行了分析。(本文来源于《合肥工业大学》期刊2018-04-01）
苏辉,谭崎,赵乙,徐恪[5]（2018）在《移动补贴市场运营商定价策略与收益分配》一文中研究指出虚拟网络运营商(ISP)的出现改变了移动互联网市场中运营商之间的连接和经济关系。该文建立博弈模型,分别在合作情况下和非合作情况下,使用博弈理论分析了移动补贴市场中流量分配、运营商之间的定价关系及收益的变化,提出了一种在运营商之间分配收益的机制,并通过Nash讨价还价解的方法对收益分配因子进行了优化和求解。结果表明:运营商之间的定价随补贴的增加而升高,该文所提出的收益分配机制能促使运营商自发将其优化目标调整为社会福利最大化。(本文来源于《清华大学学报(自然科学版)》期刊2018年01期）
郭佳妮[6]（2017）在《适应高速终端的卫星移动通信系统信道分配策略研究》一文中研究指出卫星网络作为地面网络的重要补充,能够克服地理因素和经济因素的限制,实现全球无缝覆盖。低轨(LEO)卫星系统由于其低传输功率、低传输时延和高效的带宽利用率等优势,能够提供高质量的及时移动通信服务,在未来的数据传输网络中将成为重要的组成部分。然而,为了实现高效的频分复用,LEO卫星的覆盖区域被分割成了大量的波束小区。LEO卫星相对地球表面的高速运转,将为用户带来频繁的波束切换。特别对于高速终端而言,其速度相对卫星星下点速率不可忽略,将要经历更为频繁的波束切换。同时,由于高速终端对时延的敏感性,其对于快速接入也具有较高的需求。因此,在适应高速终端的LEO卫星移动通信系统中,对于接入和切换过程中有限信道资源的分配问题进行研究具有意义。本文首先研究了单业务条件下适应高速终端的LEO卫星移动通信系统中的信道分配策略,提出了自适应的超额预订信道预留(ATCR-O)策略。该策略基于用户终端的位置分布和高速终端的流量占比对高速终端的切换呼叫进行自适应的超额预订信道预留,避免了不合理的虚拟信道数量设置导致的高速终端服务质量下降。本文对ATCR-O策略进行了理论分析和性能指标仿真,仿真表明,该策略能够在保证高速终端切换阻塞率接近于零的情况下,获取较低的新呼叫阻塞率,提升了系统整体的服务质量。随着多媒体服务的发展,卫星网络也开始为多类业务提供服务。本文接着研究了多业务条件下适应高速终端的LEO卫星移动通信系统中的信道分配策略,提出了改进的有优先权的动态信道预留(UDCRP)策略。该策略能够为多类型呼叫、多类型业务和多类型终端进行动态的信道预留。该策略为各类型用户设置了合理的优先级,并引入了遗传与粒子群混合(GA-PSO)算法动态求解最佳的预留信道阈值分布。本文对UDCRP策略进行了理论分析和性能指标仿真,仿真表明,该策略在保证获取最佳的系统平均服务质量的同时,能够为高速终端、实时业务和切换呼叫等高优先级用户提供满意的服务质量。(本文来源于《北京邮电大学》期刊2017-03-12）
李航,赵明,王京[7]（2016）在《阴影衰落信道下多波束卫星移动通信系统的动态信道分配策略》一文中研究指出针对已有动态信道分配策略在阴影衰落环境中性能损失较大的问题,对卫星移动通信系统的阴影衰落信道模型进行分析,提出了一种动态信道分配策略。该策略结合用户的运动状态,通过在用户的预测运动轨迹上选取抽样点,将这些抽样点的平均干扰作为信道分配的指标,并采用链路质量约束避免了流量较大时的性能恶化。仿真结果表明提出的动态信道策略可在不增大阻塞率的前提下,在中低流量时将用户平均信噪比提高约0.5 d B。该策略可以应用于阴影衰落信道下的地面移动卫星通信系统,以提高用户的平均链路性能。(本文来源于《电讯技术》期刊2016年06期）
王祝琳[8]（2016）在《移动云计算中任务分配策略研究》一文中研究指出移动云计算是将云计算技术与移动互联网技术相融合的新型应用服务模式,在云计算成熟技术的基础上为移动互联网应用服务提供有力支撑,可满足用户更高标准的服务需求。随着移动互联网服务的迅速发展、移动终端性能的提升以及无线网络的升级,将移动设备作为资源提供者参与云计算过程的应用模式是未来移动云计算发展的新方向。现有研究成果已证明这种模式的可行性,但仍面临诸多问题,一方面受移动设备本身固有属性限制,如移动设备的移动性、低连接性以及移动设备有限的电池能量等因素,难以发掘移动资源的全部潜力；另一方面,缺乏移动设备间合理的任务分配机制,使得任务与移动设备计算能力难以合理匹配,降低了任务的执行效率,造成资源浪费。本文主要研究移动设备作为资源提供者的移动云计算应用模式,设计移动设备执行云任务的移动MapReduce框架,衡量移动设备执行任务的能力。在综合考虑移动设备自身计算能力、网络带宽以及设备有限电量等因素的基础上,提出了适用于移动云计算环境的任务分配算法,缩短任务完成时间,降低设备能耗,提高系统的资源利用率,满足用户差异化需求。本文的主要工作包括：(1)设计移动设备执行云任务的移动MapReduce框架。对云计算MapReduce应用框架进行改进,使用移动设备执行MapReduce任务。引入高性能的代理服务器来管理维护整个移动云计算系统,将JobTracker功能主体放在可靠的代理服务器上实现,提高整个系统的可靠性和稳定性,将TaskTracker的功能交由移动终端完成,实现任务的分布式计算。(2)衡量移动云计算系统中移动设备的性能,包括移动设备的可用性和移动性。重点关注移动设备的移动性衡量,提出了移动设备移动性的衡量算法,采用熵值对移动设备轨迹进行处理来计算移动性,并在此基础上,融合符号间关系信息,得到快速有效的移动性衡量方法,实现对移动设备移动性大小的排序。(3)提出适用于移动云计算环境的任务分配算法。综合考虑移动设备计算能力、网络带宽以及设备电量等多个影响因素,以降低任务完成时间和系统设备总能耗为优化目标,提出了叁种基于遗传原理的移动云计算任务分配算法,用户可根据自身优化需求选择不同的分配算法。实验仿真结果表明,本文所提出的移动性衡量算法能够准确地衡量移动设备的移动性,并降低所用轨迹序列的长度；所提出的移动云计算任务分配算法可以合理地为移动设备分配任务,显着地减少任务完成时间,降低设备能耗,提高系统资源利用率。本文的主要贡献和创新点如下：(1)设计了适用于大规模移动设备的移动性衡量算法,通过处理移动设备的运动轨迹数据对移动设备的移动性大小排序,并结合移动设备可用性衡量方法,选出用于执行任务的高性能移动设备。(2)提出了适用于移动云环境的任务分配算法,可根据移动设备计算能力、网络带宽以及设备电量等性能差异合理地分配任务,除提供缩短任务完成时间的分配方法外,还对设备执行任务的能耗进行衡量,可为用户提供降低系统能耗的任务分配方法,满足不同优化目标的分配需求。(本文来源于《吉林大学》期刊2016-06-01）
陈越[9]（2016）在《低轨卫星移动通信系统信道分配策略研究》一文中研究指出当今,陆地无线通信系统已经发展得较为成熟,在人口稠密地区覆盖率较高。但在远洋、深山及其它人口稀疏的地区,由于缺乏地面基础设施,无法为用户服务。而卫星移动通信系统可以通过一定数量的卫星构成的星座,实现对地球表面的全面覆盖。低轨卫星以其低传播时延、低传输功率、适宜服务小型手持终端的特点,成为卫星移动通信研究的重要方向。星上资源珍贵,数量有限,需要制定合理的信道分配策略,优化信道资源的利用率,并使不同等级的用户得到恰当的服务。本文首先研究了信道预留的各种方案,提出了一种基于固定信道预留的改进策略(UFCR)。该策略将指定区域中的信道预先分成两类,预留信道和普通信道。通过优化切换呼叫接入信道的顺序和类型,尽可能减少其对新呼叫的影响。仿真显示,UFCR策略提升了新呼叫接入性能,符合公平性的要求,同时,提高了系统服务等级和信道利用率。其次,由于实际通信系统中往往存在多类业务,本文研究了多业务对信道预留策略的影响,提出了一种基于优先级的多业务条件下的信道预留策略(PMCR)。该策略对不同优先级业务的新呼叫和切换呼叫采用多级信道接入门限,使高优先级业务能够使用更多的信道。仿真显示,PMCR策略中优先级的引入有效地保证了新呼叫性能和高优先级业务的切换性能。本文从理论上分析了上述两种策略,并分别对各种性能指标进行了仿真验证。结果表明,提出的两种策略均是正确和可行的。两者的思想对于低轨卫星移动通信系统的研究具有一定的价值。(本文来源于《北京邮电大学》期刊2016-01-10）
李亮[10]（2016）在《云基站环境下移动计算迁移任务分配策略研究》一文中研究指出传统集中式云端具有计算能力超强、便于管理和扩展的优势,但移动终端与云端距离较远,时延较大且不稳定,严重制约了移动计算迁移的发展。现有任务分配策略多是针对单终端用户,且没有充分考虑到不同用户对于终端能耗的敏感程度和花费意愿的差异性。针对以上问题,本文将传统移动通信网络与集中式云端结合,赋予传统移动基站一定计算和存储能力,并分别从整体终端用户和云运营商的角度出发,提出了云基站环境下的任务分配策略,同时仿真验证了分配策略的有效性。本文的研究内容和主要成果如下:(1)本文首先研究并分析了传统集中式云端的弊端和移动通信网络的特点,进一步赋予传统移动基站一定计算和存储能力,提出云基站架构。相对于传统的集中式云端,云基站距移动终端较近,可有效降低迁移时延,提升迁移的稳定性。(2)不同云基站的通信、计算和存储能力各不相同,而移动终端在任务类型和实时性等方面也具有多样性。本文基于云基站环境提出一种任务分配策略,将用户的能耗效用函数考虑在内,通过对计算资源与计算任务的合理分配,实现整体移动终端利益的最大化。仿真结果表明,此分配策略下的移动终端整体利益明显高于集中式任务分配模型(未进行效用优化)下的整体移动终端的利益值。(3)云运营商部署云基站架构需要额外的投资,而不同终端用户对于迁移任务的花费意愿也有所差异。本文基于云基站环境提出一种任务分配策略,将用户花费效用函数考虑在内,通过对计算资源与计算任务的合理分配,实现运营商利益的最大化。仿真结果表明,此分配策略下的运营商利益明显高于集中式任务分配模型(未进行效用优化)下的运营商利益值。本文围绕云基站环境下的任务分配策略展开研究,分别从用户和云运营商角度提出任务分配策略,并仿真验证了其有效性,具有一定的理论与应用价值。(本文来源于《北京邮电大学》期刊2016-01-09）
移动台分配策略论文开题报告
（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：
随着互联网服务场景的规模快速增长,如何解决计算、存储和电池资源有限的移动设备无法满足高复杂度和高能耗服务仍然是一个挑战。移动云计算(MCC)可以利用云中可用的大量资源来提供弹性计算和存储能力,以支持资源受限的终端设备。然而,计算负载向中心云的迁移将导致大量的数据传输和传输延迟。这将影响应用的服务质量,尤其是一些延迟敏感的工业控制应用。因此,移动边缘计算(MEC)这一新的网络架构概念获得了学术和工业界的广泛关注。MEC通过将计算,存储和服务功能迁移到网络边缘,使得应用程序、服务和内容被部署离用户更近的本地。由于边缘云服务器靠近用户,MEC网络可以提供具有超低延迟,高带宽和直接访问实时网络信息的服务环境。本文的主要研究内容是在基于无线功率传输的多用户MEC网络以及无线可充电通信网络中实现高能效的网络资源分配。首先,本文提出了一种基于充电-卸载协议的MEC网络框架,采用时分多址接入(TDMA)机制,以完成近远两类用户的计算密集型任务卸载。从系统的角度出发,最大化所有移动用户的能量效率。从用户公平性角度考虑,最大化在所有用户中能量效率最小的用户。最后,本文提出了一个基于无线功率传输通信网络的资源分配算法,以实现发射/接收机的高能效通信。本文主要研究内容及成果阐述如下:1.研究非合作机制下用户公平性问题以及用户协作通信机制下最大化用户整体的能量效率问题。首先,本文利用能量效率来刻画用户效益函数,提出最大化最小用户能量效率问题(MMUEE)以保证用户公平性。其次,为了解决无线功率传输网络中存在的“双近远”问题,本文采取了用户协作方案,利用近端用户作为中继帮助远端用户转发其任务或应用。此外,基于绿色环保的理念,本文提出在满足用户时间约束、服务质量和能量约束条件下的最大化用户能量效率问题。本文提出两种时间分配优化算法以实现用户个体和整体能量效率最大化。仿真结果表明,与非协作机制相比,本文所提的用户协作可以有效解决“双近远”问题,并大大提高了MEC系统的能量效率。2.研究无线可充电通信网络中发射机的能量效率优化问题。在TDMA机制下对发射/接收机充电和信息传输过程进行建模,在最大发射功率、最小收集能量和最小服务质量的条件约束下,构建一个能量效率最大化的非凸问题。特别地,本文提出了功率分配与时间分配的优化算法,以实现发射机能量效率最大化。仿真结果表明,所提出的优化算法在不同实验参数设置下均能快速收敛,这有利于其在实际系统中的应用。此外,还验证了最小服务质量和最小捕获能量约束对系统能量效率的影响。
（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。
移动台分配策略论文参考文献
[1].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
[2].季鲁月.移动可充电边缘计算中高能效资源分配策略研究[D].西南大学.2019
[3].杨鹏.移动边缘系统中多媒体内容分发与资源分配策略研究[D].华中科技大学.2018
[4].郭浩.移动群智感知中激励机制与任务分配策略的研究[D].合肥工业大学.2018
[5].苏辉,谭崎,赵乙,徐恪.移动补贴市场运营商定价策略与收益分配[J].清华大学学报(自然科学版).2018
[6].郭佳妮.适应高速终端的卫星移动通信系统信道分配策略研究[D].北京邮电大学.2017
[7].李航,赵明,王京.阴影衰落信道下多波束卫星移动通信系统的动态信道分配策略[J].电讯技术.2016
[8].王祝琳.移动云计算中任务分配策略研究[D].吉林大学.2016
[9].陈越.低轨卫星移动通信系统信道分配策略研究[D].北京邮电大学.2016
[10].李亮.云基站环境下移动计算迁移任务分配策略研究[D].北京邮电大学.2016