雾计算网络中基于移动感知的任务卸载和资源分配

在雾计算网络中由于雾计算节点（fog computing node,FCN）有限的覆盖范围和用户的移动,导致用户很容易离开原雾节点的覆盖范围并产生任务执行结果的迁移,同时引起能量消耗和时间延迟,进而影响用户的收益。针对这些问题,在三层雾计算网络中,通过分析用户驻留时间来考虑用户的移动性;通过任务卸载、FCN的选择和计算资源分配进行联合优化减少任务迁移概率,进而降低系统开销,最大化用户的总收益。该最大化问题被分解为任务卸载和资源分配两部分进行求解。在任务卸载方面,提出了基于基尼系数的雾计算节点选择算法;在资源分配方面,提出了基于遗传算法的分布式资源分配算法。仿真实验结果表明,本文算法与其他算法相比能获得更多的用户总收益。     

SCMA网络中基于保密能量效率最大化的分层安全多播策略

首先,研究稀疏码多址接入(sparse code multiple access,SCMA)网络中的分层安全多播策略,来克服多播组的保密容量受限于组内最差用户信道条件的问题。其次,解决了网络保密能量效率最大化的最优化问题。为了减少解决最优化问题的计算复杂度,又提出了添加人工噪声下码本分配与功率分配的次优化算法(sub-optimization algorithm,SA)。仿真结果表明,本文提出的SA算法在基于SCMA网络中的网络保密能量效率方面要优于采用传统安全多播(conventional security multicast,CSM)策略的SCMA网络和基于正交频分多址(orthogonal frequency division multiple access,OFDMA)网络,并且提出的SA算法在SCMA网络中的安全多播系统功效要优于在OFDMA网络中的安全多播系统功效。     

OFDMA中继系统中基于QoS保证的资源分配算法

研究了 OFDMA 中继下行链路通信系统中的动态资源分配问题,提出了一种可以保证用户最低 QoS 需求的资源分配算法.首先在简化资源优化问题的过程中,采用等功率分配方法以降低算法复杂度,然后通过拉格朗日松弛优化方法推导出了子载波分配和中继选择最优解,并在此基础上引入用户速率权衡因子,根据速率权衡因子越大的用户,越具有选择子载波和中继的优先权这一准则进行子载波分配和中继选择.仿真结果表明:新算法能够获得较高的系统容量,同时也能很好地保证不同用户的最低速率需求.     

正交频分复用系统中带比例公平的功率分配算法

针对传统多用户正交频分复用（OFDM）系统中比特和功率分配算法计算复杂度较高、实时性不强、无法保证用户间公平性等问题，提出了一种下行OFDM传输中高效率的线性比特和功率分配算法．该算法能在保证每个用户误比特率（BER）和数据速率要求下，按比例分配用户容量，使总发射功率最小．计算机仿真结果表明，该算法和传统资源分配算法相比，复杂度较小，系统容量在用户间分配得更加公平和合理．     

基于Storm的城市智能交通规划方法

为了缓解城市交通拥堵,提高城市道路利用率,增强路径规划的实时性,提出基于Storm的城市智能交通规划方法。该方法在Storm框架的基础上,设计了城市实时动态路径规划模型(UR-MODE),将用户选择的静态目标和实时路况的动态目标相结合,实现城市交通路径的智能规划;针对城市交通数据实时性较强的特点,利用用户偏好值动态选择最优粒子,并结合自适应惯性权重策略和小规模扰动策略,提出改进的自适应粒子群优化(adaptive partner-particle swarm optimization,APPSO)算法,保证模型的高效求解;结合开源实时处理系统Storm,实现了海量实时交通数据处理。仿真实验结果表明,相较于现有路径规划算法,本文方法收敛速度更快、稳定性更强,能减少17%的车辆平均行驶时间,道路资源利用率平均提高58%,大大缓解了城市交通拥堵问题。     

移动感知下小小区网络的任务卸载、迁移及资源分配策略

针对基于移动边缘计算(mobile edge computing,MEC)的小小区网络中任务迁移产生额外开销的问题,提出一种优化的移动感知下小小区网络的任务卸载、迁移及资源分配策略,以达到减小迁移概率的同时最大化总收益的目的 .首先,利用移动设备(mobile equipment,ME)的驻留时间分析移动设备的移动性,...     

一种聚簇重配置的传感器网络负载平衡算法

根据传感器网络的动态实时性,提出了聚簇重配置负载平衡算法(forced reconfiguration load balan-cing,FRLB).该算法对啦制重配置的系统框架进行了改进,实现了构建阶段和稳态阶段的两种均衡策略.采用一个簇中的节点数和在节点传输距离内的簇头数这两个指标来选择下一簇头;建立了基于契比雪夫不等式的负载平衡的衡量标准来均衡化网络内的能量消耗并减少通信拥塞.仿真分析表明,该算法相比其他网络资源和任务管理算法,能更有效减少热点并提高传感器网络的使用寿命.     

求解自融资投资组合模型的量子行为的粒子群优化算法

为有效求解自融资投资组合模型,基于粒子群优化(particle swarm optimization,PSO)算法,提出了一种改进的量子行为的粒子群优化算法(LDQPSO).在算法的设计中,借助Levy飞行策略对粒子位置的迭代公式进行更新,用于提高算法的局部收敛精度和全局探索能力;针对迭代后期的早熟问题,引入了多样性的...     

基于遗传操作的延迟和度约束的多播路由启发式算法

基于启发式思想的简单性和路径相似性原理，采用遗传算法的交叉和变异操作，提出了一种快速的满足延迟和度约束的最小费用多播路由树的生成算法(DDCMRA)，以解决直接修改延迟约束或者度约束多播路由算法时寻优时间长、并且可能导致部分目的节点因不能满足延迟或者度约束而不能加入多播的问题．仿真结果显示。该算法获得的多播路由树满足延迟和度约束，费用较少，运行时间接近CSPT和RA算法．该算法也为动态多播路由树生成和网络负载平衡提供了一种方法．     

不精确分式规划的一种有效算法

对于不精确分式规划,给出一个具有简单形式的等价规划以及一个参数规划．提出有关它们之间联系的一些基本理论,构造了通过求解参数规划来求解不精确规划的一簇算法．在一定的假设下,该簇算法的收敛速度至少是线性的．通过每次迭代中适当的选择参数可以得到具有全局收敛性的超线性算法,并且该簇算法在每次迭代时参数的取法有很大的灵活性,从而在求解时允许有较大的误差而无损于相应的收敛速度．     

能量有效的无线传感网络节点调度算法研究

在无线传感网路中,在某些情况下引入以节点地理位置为分簇依据的GAF算法虽能有效节省节点能量,但由于其随机选择簇头,没有考虑簇头最佳位置分布,因此并不能对节点能量进行充分利用.针对此问题,提出一种新的改进算法L-GAF算法,其主要思想是寻找最佳位置簇头节点,通过定期动态转换虚拟单元格,改变节点与中心点的距离,利用节点度策略和节点剩余能量优化簇头选举机制,均衡能量分布.实验证明:与GAF算法相比,此算法延长了网络的生命周期,提高网络的负载能力.     

基于RTD的新型D锁存器设计

共振隧穿二极管（RTD）作为一种较成熟的量子器件,具有独特的负内阻特性,由RTD组成的单双稳态转换逻辑单元（MOBILE）能够很好地利用该特性进行数字电路设计.基于MOBILE,设计了一种新的RTD输出控制电路.该电路的优点是将RTD的正向和反向电流电压特性相结合,无须使用面积较大的三端器件,电路设计较便捷.采用RTD输出控制电路和HEMT器件,设计了一种新的D锁存器.该D锁存器采用高电平偏置电压,不仅可使MOBILE获得需要的高电平触发方式,而且电路具有自锁特性.HSPICE仿真实验证明,该D锁存器不仅电路结构简单,而且功耗低、速度快.     

基于共轭梯度法的盲分离在线算法

在严格论证盲分离问题与数学上的最优化问题等价的基础上,把问题的重点集中在对该最优化问题的寻优上.由于盲分离最优化问题的目标函数的特点,在欧氏空间中对决策变量(分离矩阵W)进行寻优求解带来诸多复杂因素,寻优算法在弯曲的黎曼空间中动态运行是解决这些问题的一条可行途径.为此,本文在改进 NGA 和 PDFA 算法的基础上,结合在线算法 PDEA 在估计信号的得分函数的较好效果,和求解最优化问题的共轭梯度法较快收敛性能,提出了具有自学习能力,并继承共轭梯度法特点的盲分离在线算法 PDEA-CONJ.此算法应用到盲分离问题中,在混合矩阵严重病态情况下能取得了较好分离效果.实际算例验证了其收敛性和有效性.     

基于D触发器的物理不可克隆函数

物理不可克隆函数（PUF）是指利用半导体制造工艺中不可避免的固有偏差，产生具有独特性和稳定性的响应结果，使集成电路芯片具有不可克隆的特性。提出了一种新型的基于D触发器的物理不可克隆函数。利用D触发器建立的时间随机分布函数产生PUF激励输出响应，并通过D触发器对的差分结构提高输出结果的准确性。实验结果显示，此PUF的性能近乎理想。与主流PUF相比，基于D触发器的PUF明显增强了设计的唯一性。     

具有服务等级的三台平行机排序问题

考虑带服务等级的三台平行机排序问题．预先赋予每台机器和每个任务一个服务等级（grade of service）标号．每个任务只能被某台服务等级不高于该任务服务等级的机器加工．目标是最小化最大机器完工时间.本文给出了求解这个问题的算法．并证明算法的最坏情况界不超过5/4＋（1/2）^k,其中k是算法中预先给定的迭代次数．已有的算法仅为3/2.     

基于移动边缘计算的任务卸载及隐私保护问题综述

随着5G移动通信技术和人工智能的飞速发展,互联网正处于数据爆炸时期,传统云计算模式在存储和处理海量原始数据时出现严重的带宽和能耗问题。移动边缘计算作为一种在用户侧提供移动终端设备所需服务的新型计算模式应运而生,它能有效解决传统云计算模式中出现的显著瓶颈问题。任务卸载服务是移动边缘计算的核心应用之一。与此同时,任务卸载给多种数据安全与隐私带来挑战。围绕移动边缘计算任务卸载这一领域,介绍了移动边缘计算的基本概念、模型架构和应用场景;分别从三种不同的卸载目标对任务卸载方案研究现状进行总结对比;通过分析任务卸载过程存在的不同隐私威胁类型,详细阐述了任务卸载隐私保护领域中应对不同隐私威胁的现有研究工作,并归纳总结出该领域未来可能面临的一些挑战。     

网格自适应任务调度算法研究

对网格自适应任务调度算法进行概括性研究．针对传统的Min—Min算法的高效特性和Max—Min算法的负载平衡特性．以提高任务调度的时间跨度性能为目标．提出了一个循环选择执行的网格任务自适应词度策略（Adaptiv eMin—Min and Max—Min，A—MM）．实验表明．该算法在时间跨度等方面的性能较以往算法有较大提高．     

基于自适应分簇和演化博弈的异构车载网络选择方法

高效的网络选择方法是异构车载网络环境中保证多用户服务质量体验的关键。针对现有方法从优化车辆个体出发选择最佳接入网络,导致网络资源分配不均和部分网络拥塞的问题,提出一种基于自适应分簇和演化博弈的异构车载网络选择方法(adaptive clustering and evolutionary game based network selection method,AENS)。首先,采用自适应分簇减少直接接入网络的车辆数量,有效降低车流密集情况下的网络拥塞概率;接着,分别基于模糊层次分析法和指标相关性权重法计算候选网络属性的主、客观权重,得到更加准确评估候选网络性能的综合效用值;最后,将车辆对网络的选择抽象成基于复制动态的演化博弈模型,并引入记忆效应以加快其收敛速度,最终通过策略更新获得系统最优的网络选择策略集合。实验结果表明,在融合5G/6G的异构车载网络环境下AENS方法能够有效减少网络切换次数、提升网络吞吐量和平衡网络负载,在提高网络资源利用率的同时实现了负载均衡,且在车流密集情况下优势更为明显。     

纳什均衡及其在计算机科学中的应用

介绍了纳什均衡的概念,惟一性和存在性;基于这些概念讨论了纳什均衡的有效性和如何选择合适的均衡.分析了纳什均衡在计算机学科中异构无线网络,认知无线网络,无线自组织网络,网格和云资源分配,文件访问及放置策略,图像匹配,网络安全等方面的一些良好应用例子,分析了纳什均衡求解硬件并行算法和生物学方法和算法复杂性;对纳什均衡未来的挑战做了展望.     

基于改进3D卷积网络的人体动作识别

为解决现有多数视频人体动作识别3D卷积方法无法区分信息中各维度的重要和非重要特征问题,提出了通过门控循环单元(GatedRecurrentUnit,GRU)和空间注意力增强模块构建时空特征处理网络的方法,基于多级特征融合和多组通道注意力特征选择构建网络,改进基础网络模型Res Net3D对视频人体动作识别中的网络模型.改进后模型在2个公开数据集UCF101和HMDB51上的准确率分别为96.42%和71.08%,与C3D、Two-stream等网络模型相比,具有更高的识别准确率.