基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

基于思维进化算法的常微分方程组演化建模

在基本思维进化算法（MindEvolutionaryComputation，原名Mind-Evolution-BasedMachineLearning）框架的基础上，吸取遗传规划（GP）中的树形编码思想，提出了利用树结构进行信息抽取的方法，进而实现了用于常微分方程组演化建模的趋同、异化算子，并获取了优良的效果，使MEC在非数值优化领域中得到了进一步应用。最后的仿真实例的结果表明，同GP方法比较，MEC方法具有计算速度快、建模结果优和全局搜索性能好等明显优点。     

复杂目标散射近区RCS特性预估的研究

本文运用物理光学法（PO）和等效电磁流法（EMC）分析和计算了平板、多面体及某船体等复杂目标的近区单站RCS。作为例子，文中给出了一些目标的“近区”和“远区”单站RCS的比较。数值结果表明：目标“近区”和“远区”的单站RCS特性存在差异，而且这种差异随着目标形体复杂程度的增加而增加，其近区单站RCS特性亦变得复杂起来。该结果可为军用目标近区RCS的预估、雷达截面的减缩、隐身与反隐身、对抗与反对抗、目标别识、目标散射特性的缩比研究和远近场变换等相关的电磁工程技术实验和理论研究提供一定的理论依据。     

子任务调度和时延联合优化的MEC卸载方案

移动边缘计算(mobile edge computing, MEC)为5G超低时延业务提供了解决方案。如何设计低时延、高效率的任务卸载方案,是MEC面临的主要难题之一。为此,针对端-边协同MEC服务场景,研究了大型计算任务的低时延、低能耗部分卸载方案,通过将用户任务划分为多个有顺序依赖关系的子任务并构建子任务的有向无环关系图,设计了能够最小化卸载时延的子任务调度方案,提出了基于任务复制的最早卸载执行算法,解决了能耗受限下的任务最小时延卸载计算。仿真结果表明,提出的MEC卸载方案能够有效减少任务处理时延,降低系统能耗。     

面向5G需求的APP载体内容分发网络模型研究

针对APP(application)载体向移动用户传播内容数据的资源配置问题,根据移动用户对内容数据存在间歇式兴趣等特点,提出一种APP载体内容分发网络模型。该模型考虑APP和人群的生灭全生命周期等因素,结合APP向人群推送内容以及人群内部传播内容的现实应用场景,并利用虫媒传染病仓室模型构造内容数据传播的关联关系。通过理论证明了当基本再生数R0小于1时,所提模型平衡点的存在性和稳定性。仿真结果验证了所提模型平衡点的存在和稳定。     

MEC/AnMBR反应器组合处理生活污水

介绍了微生物电解池与厌氧膜生物(MEC-An MBR)反应器处理废水的作用机理.在尽量利用原有水处理设施前提下,以衡阳市某污水处理水厂的生活污水为处理对象,运用微生物电解池—厌氧膜生物(MEC-An MBR)反应器组合工艺对其进行中试试验,规模为1 m~3/h.结果表明,该组合工艺能够明显提高生活污水的处理效率,减少膜污染,经处理后化学需氧量(COD)平均去除率可达88.8%,NH_4~+-N去除率为88.3%,TN去除率为72.1%,出水水质可达到《城镇污水污染物排放标准》一级标准,并能实现处理过程中稳定回收甲烷,减少能耗的目的.     

电子设备电磁兼容设计与分析

目前大系统设备应用越来越多，而内部的电磁环境也越来越复杂。因此，在电子设备中采取合理、有效的电磁兼容设计措施尤为重要。通过对系统电子设备电磁兼容设计方法的分析，重点介绍了几种具有工程应用价值的电磁兼容设计方法。     

基于分布式深度学习的边缘服务放置策略

针对移动边缘计算网络中不合理的服务放置和资源分配所导致的服务质量下降问题, 提出了一种基于分布式深度学习的边缘服务放置策略。首先, 以最小化所有用户服务请求时延与加权服务放置成本总和为优化目标, 将优化问题建模为混合整数非线性规划问题。其次, 在给定服务放置策略情况下, 利用凸优化理论求解出边云最优的计算资源分配方案。最后, 利用分布式深度学习解决了服务放置问题。理论证明及仿真结果表明, 所提策略能够有效降低用户服务请求时延和应用服务提供商的服务放置成本, 并且逐渐逼近全局最优的服务放置策略。     

MEC辅助的Inactive状态用户动态位置管理方案

移动边缘计算(mobile edge computing, MEC)作为5G网络架构演进的关键技术,能够满足系统对于吞吐量、时延及智能化要求。同时,5G引入用户(user equipment, UE)无线资源控制(radio resource control, RRC)Inactive状态作为用户的主要状态。在分析MEC的特点、网络架构、装置结构的基础上,基于Inactive状态特点,对当前Inactive状态的寻呼和位置跟踪方案进行分析和对比,提出一种基于MEC的UE数据包缓存和动态位置管理方案,该方案由部署在靠近无线接入网(radio access network,RAN)基站侧的MEC缓存Inactive UE数据包,并更新UE的RAN通知区域(RAN notification area,RNA)。和传统的方案相比,该方案能有效解决锚点gNB(5G NodeB)的容量问题,并且实现UE有效的位置管理。     

一种基于思维进化计算和博弈论的QoS组播路由算法

针对满足多个约束条件的服务质量(QoS)组播路由的特点,提出了一种应用于下一代互联网的基于思维进化计算和博弈论的QoS组播路由算法.该算法由三部分组成:引入隶属度函数来描述"边"对用户QoS需求的适合程度;通过博弈分析判断网络方与用户在"边"上的效用能否达到Nash均衡;采用思维进化计算方法建立组播路由树,使得在树上不仅用户QoS要求得到满足而且网络方效用与用户效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,提出的算法是可行和有效的.