1. 本选题研究的目的及意义
随着移动互联网和物联网技术的飞速发展，越来越多的移动设备和应用涌现，对计算资源和网络服务的需求呈爆炸式增长。
传统的云计算模型由于距离终端用户较远，存在着高延迟、高带宽消耗等问题，难以满足实时性、低延迟等新型应用的需求。
移动边缘计算（MobileEdgeComputing，MEC）作为一种新兴的计算范式，通过将计算和存储资源部署在网络边缘，为终端用户提供更近、更快速、更可靠的服务，成为了解决上述问题的关键技术之一。
2. 本选题国内外研究状况综述
近年来，移动边缘计算服务放置问题成为了学术界和工业界的研究热点，国内外学者在该领域取得了一系列的研究成果。
1. 国内研究现状
国内学者在移动边缘计算服务放置方面开展了大量的研究工作，并在优化算法、资源分配、安全机制等方面取得了一些进展。
3. 本选题研究的主要内容及写作提纲
本研究的主要内容包括以下几个方面：
1.深入研究移动边缘计算环境下服务放置问题的特点和挑战，分析现有方案的不足，为设计高效的服务放置方法奠定基础。
2.构建面向移动边缘计算场景的服务放置模型，考虑用户移动性、服务动态性、资源异构性等因素，建立更加贴合实际应用场景的系统模型。
3.设计和开发基于算法的服务放置方法，例如基于优化理论的方法、基于启发式算法的方法，提高服务放置的效率和质量。
4. 研究的方法与步骤
本研究将采用理论分析、算法设计、仿真实验等方法，并按照以下步骤逐步展开：
1.文献调研与问题分析：深入调研移动边缘计算和服务放置领域的国内外研究现状，分析现有方案的优势和不足，明确本研究的目标和研究内容。
2.系统建模与问题形式化：构建面向移动边缘计算场景的服务放置模型，考虑用户移动性、服务动态性、资源异构性等因素，将服务放置问题形式化为一个数学优化问题。
3.算法设计与方案实现：设计和开发基于算法和学习的服务放置方法，例如基于优化理论的方法、基于启发式算法的方法、基于深度强化学习的方法等，并通过编程实现所提出的算法。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.面向移动边缘计算场景，提出一种综合考虑用户移动性、服务动态性、资源异构性的服务放置模型。
区别于传统的静态服务放置模型，本研究将更加关注动态环境下的服务放置问题，并考虑多种实际因素的影响，使模型更加贴合实际应用场景。
2.设计和开发基于深度强化学习的服务放置方法，通过智能学习和决策优化服务放置策略。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1. 魏亮,李强,徐志伟,等.移动边缘计算中基于深度强化学习的服务放置方法[J].计算机应用研究,2020,37(12):3567-3573.
2. 陈鹏,张宏科,陈云.面向边缘计算的在线服务放置方法[J].计算机研究与发展,2018,55(01):129-140.
3. 王晓玲,王怀宝,程永强,等.基于改进鲸鱼优化算法的边缘计算服务放置方法[J].计算机应用,2020,40(09):2623-2630.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
