基于Sarsa学习的基站休眠策略研究

在异构Macro-femto蜂窝网络中,随着日益增长的用户数量使得基站能耗问题变得更加严峻,提升整个移动系统能效的有效方式就是进行基站休眠。根据无模型理论提出一种基于Sarsa学习的动态基站休眠算法,算法通过基站学习环境中的用户流量,制定合理的休眠机制。仿真结果表明,提出的基于Sarsa学习的基站休眠算法能够有效提升系统能效     

无线携能协作传感器网络的能效研究

针对携能协作传感器网络中电池容量受限以及网络能效较低的问题,提出了动态能量条件下的协作传输策略.首先,建立了基于节点电池能量有限的携能协作传感器网络模型.其次,利用分式规划和对偶分解结合的分布式叠加算法求解凸优化问题,得到该模型下的最优资源分配策略.仿真分析结果表明,所提出的动态能量下协作策略获得了最大的能效,同时系统的吞吐量也保证在较高的水平.     

WMSNs中粒子群优化的多径流量分配路由算法

针对无线多媒体传感器网络(WMSNs)节点能耗问题,提出了一种基于粒子群优化的多路径自适应流量分配路由MATDR-PSO算法。通过建立能效优化模型,将最小能耗和能耗均衡2个特性转化为多目标优化问题;利用粒子群优化算法动态分配多路径上各条链路流量来实现网络的能效优化。仿真实验表明:MATDR-PSO算法能够在降低全网节点消耗总能量的同时保证能耗的均衡特性,显著提高了网络的生命周期。     

认知蜂窝异构网络中能效优化的资源分配算法

在认知蜂窝异构网络中,针对大规模部署认知家庭基站带来的能量消耗问题,研究了两层异构网络上行链路的资源分配算法.提出了一种基于双循环迭代的资源联合分配算法,在实时用户服务质量(quality of service,QoS)需求约束和跨层干扰约束下最大化认知系统能量效率,将分数形式的能效函数等价转换为减数形式,使优化问题近似确定为凸优化形式,并通过迭代方法求解.仿真结果表明:该算法能够快速收敛到最优能效,并保证了实时用户的QoS需求,有效提高了系统能量效率.     

超密集异构网中基于配对理论的用户关联算法

超密集异构网络作为提升网络数据流量和用户速率的有效手段,成为5G关键技术中的一员。但超密集部署的小小区基站势必会导致系统总能耗的增加,以及用户接入公平性等问题。解决给定目标速率条件下基于能效优化的用户关联(也称为用户接入)问题。改进了原有的功耗优化模型,使之更准确地反映基站的实际发射功率和总功耗。在此基础上,利用拉格朗日对偶和二分法对关联过程中用户分配到的资源比例和基站为每个关联用户提供的发射功率进行优化和调节;同时结合配对理论,提出一种综合考虑能效和接入公平度的用户关联算法。性能仿真和对比结果表明,算法在保持良好的用户接入公平性的基础上有效提升了系统能效。     

无环网络最大流的一种新算法

网络最大流问题是运筹学和网络优化的重要问题之一.基于动态规划基本思想,提出了在无环网络中适用的一种网络最大流算法.该算法通过判断在各个动态阶段各节点允许通过的最大流量,最终得到终点的最大流量-网络最大流,从而大大提高了执行的效率.最后算法分析和算例表明了新算法的有效性.     

基于电力物联网的边缘计算任务卸载优化

为了解决传统卸载模型仅涉及用户设备和边缘计算资源,而在云端资源利用上存在局限性的问题,通过有效利用计算任务时延、能耗及计算资源配置,提出了基于深度强化学习算法的计算任务卸载策略和资源配置优化算法,建立了边云协同的时延、能耗及能效模型,研究了用户设备数量、任务量、任务优先级等对时延、能耗及能效的影响。结果表明：边缘计算服务器资源配置为30 GHz较为合理;高级计算任务优先处理策略和计算资源优化分配,使得时延、能耗均较低;所提出的优化算法在时延、能耗及能效方面均优于其他3个对比算法,表明针对不同用户设备数量和计算任务量场景,所提出的优化算法和建立的模型能够更有效的实现基于电力物联网的计算任务卸载策略和资源配置优化。     

异构网络中基于非合作博弈的功率控制算法

针对异构蜂窝网络中系统能耗较高的问题,提出一种能效优先的基于非合作博弈的功率控制算法。该算法将宏基站间的功率控制过程描述为博弈模型,并在效用函数中引入了基于干扰因素的自适应代价函数,得到各基站的最佳响应策略,之后经过多步迭代调节发射功率,使系统收敛至能效最优的纳什均衡状态。仿真结果表明,所提算法与固定代价函数的功率控制优化算法相比具有较好的收敛性,系统能效有明显的提升,更适用于密集网络。     

一种任务驱动的车联网边缘卸载策略

边缘计算为解决未来车联网中移动流量的爆炸式增长提供了可行范式,然而位置的动态变化以及计算任务的多样性和差异性,使得资源有限的边缘服务器很难在规定时间内完成区域内多车辆任务的并行处理需求。基于此,以最小化时延为目标,提出一种结合深度确定性策略梯度算法的任务驱动卸载策略。首先,结合差异性任务类型和紧迫程度进行预处理,构建了一种基于最大延迟容忍度的任务动态优先级调整模型;然后,利用道路区域内的车辆拓扑和通信半径,提出了基于网络密度和负载均衡的动态协作簇划分方法,解决了多样性任务的动态协作卸载优化问题。实验结果表明,所提算法在收敛性、卸载时延及卸载命中率等方面具有性能优势。     

基于Dinkelbach算法的优化混合网络用户关联策略研究

在5G网络中,使用混合网络,引入一些低功率节点,提出基于TDMA系统的联合优化用户关联和功率控制的能效优化方案,通过优化用户关联和功率控制来提高网络能效。以系统能效最大化为目标,限制基站最大关联用户数,设计出用户关联算法。利用Dinkelbach算法优化功率控制,获得系统最大能效,并对提出的交替优化算法进行仿真验证。     

二甲醚精制分离序列的动态规划

针对合成气一步法合成二甲醚的精馏精制过程,研究分离二甲醚-二氧化碳-甲醇-水混合物的顺序问题.根据精馏分离过程特点,将二甲醚混合物精馏精制分离过程分成多阶段的决策过程,建立相应的分离工艺方案动态规划模型.在模型求解过程中,提出年操作费用最小准则,并利用动态规划算法计算出不同阶段、不同决策下的目标函数最优解,得到最优的分离序列.结合研究体系的特点,将动态规划结果加以改进,给出二甲醚精馏精制最优分离方案.     

基于SWIPT的D2D通信辅助移动边缘计算任务卸载策略

为解决5G移动通信系统中移动用户计算能力不足、能量消耗多、无线资源缺乏等问题,本文构建一种基于无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)的多用户设备间(Device to Device, D2D)通信辅助移动边缘计算(Mobile Edge Computation, MEC)系统模型,提出一种D2D-MEC联合卸载策略。该策略以系统中请求用户总能耗最小化为目标,采用二进制卸载模式和功率分流模式对请求用户进行任务卸载和能量收集。针对能耗最小化问题为非线性混合整数规划问题,根据整数变量和实数变量将原问题解耦为功率分配和计算任务卸载两个独立子问题,并分别采用Dinkelbach方法和匈牙利算法求出两个子问题的最优解。仿真实验结果表明,本文所提策略优于传统的D2D卸载策略和MEC卸载策略,有效降低了请求用户的总能耗,提高了任务执行效率。     

动态规划原理在高速公路网级养护决策中的应用

针对高速公路养护管理特点，利用动态规划原理和路况状态转移概率计算模型，建立了高速公路网级决策动态优化模型，成为高速公路管理系统的核心。并对用于网级决策模型的动态规划方法在理论上作了较为详细的研究，细化了决策优化步骤。     

一类非线性规划问题的动态解法

应用动态规划原理来解决一类非线性规划问题。由于所研究的非线性规划问题的特殊结构 ,所以可将它看成是一个多阶段决策问题 ,应用动态规划求解     

面向大型社会活动的智能交通控制策略研究

城市交通系统是由交通工具、交通路网、交通设施和交通运营管理组成的一个整体,良好的控制策略可以有效缓解道路拥堵,提高路网利用效率.为了缓解大型社会活动期间短时间交通需求激增对快速路网运营的压力,提出一种基于动态交通分配理论的智能交通控制策略.该策略以路网总运行时间最少为目标,通过宏观调节分流比例来进行优化控制,为交通控制与管理提供辅助决策依据.同时,讨论了适合模型求解的优化算法——序列二次规划算法,并针对上海快速路网特点进行仿真实验.仿真结果表明:智能交通控制策略可以有效改善路网的运行状态,减少路网的总运行时间,具有良好的实用价值.     

城市交通系统诱导控制的Stackelberg模型

在分析了城市交通系统诱导控制行为特点的基础上,指出诱导控制决策过程是一个多主体和多价值准则的决策过程.引入Stackelberg博弈理论,构建了城市交通系统诱导控制的Stackelberg模型,将问题描述为一个双层规划模型.最后,设计了基于灵敏度分析法的启发式求解算法.     

多目标多阶段决策最优化标号法

利用模糊数学中的隶属函数将工程施工中常遇到的多目标多阶段决策问题转化为单目标多阶段决策问题，因而可以用动态规划方法求解。隶属函数对多指标策略的优劣评价符合人们的习惯，使用起来较简便。本文构造了符合动态规划要求的具体指标函数，设计了简便的标号法，概念清晰、易懂易用，适合施工管理人员及其他管理决策人员使用，证明了本方法的合理性。     

多级格网框架下多源矢量空间数据动态存取优化方法研究

针对多源矢量空间数据动态存取方法通用性低、内存占用率高以及效率低等问题,提出一种多级格网框架下多源矢量空间数据动态存取优化方法。通过平均失效间隔、平均无故障时间以及平均修复时间对多级格网框架下存取系统的可靠性进行评价,建立BLOB存取可靠性概率模型;在此基础上利用关系数据库以及相关编程接口优化多源矢量空间数据存取环境,提升多源矢量空间数据的成功存取概率,实现对多级格网框架下多源矢量空间数据动态存取的优化。实验结果表明,所提方法具有效率高、内存占用率低以及系统开销少的优势。     

Dynamic Programming Method to Optimize Control Rod Positions in NHR-200

ＤｙｎａｍｉｃＰｒｏｇｒａｍｍｉｎｇＭｅｔｈｏｄｔｏＯｐｔｉｍｉｚｅＣｏｎｔｒｏｌＲｏｄＰｏｓｉｔｉｏｎｓｉｎＮＨＲ－２００ＨｕＹｏｎｇｍｉｎｇ（胡永明）；ＸｕＹｕｎｌｉｎ（许云林）（ＩｎｓｔｉｔｕｔｅｏｒＮｕｃｌｅａｒＥｎｅｒｇｙＴｅｃｈｎｏｌｏｇ...     

星地融合网络中的流量卸载研究

卫星网络与地面网络融合,可以拓展网络覆盖范围、提高网络灵活性以及提升网络资源利用率.针对地面网络流量激增带来的网络拥塞、传输时延长、数据吞吐量低等问题,从网络架构、流量卸载方案、流量卸载决策等3个方面对星地融合网络中的流量卸载进行了研究.从网络架构来看,未来通信网络正逐渐走向卫星网络和地面网络融合的一体化网络;从流量卸载方案来看,星地融合网络中流量卸载的关键技术主要包括软件定义网络、网络功能虚拟化、移动边缘计算以及星间链路协作;从流量卸载决策策略来看,分别基于时延、能耗和吞吐量分析归纳总结了几种主流流量卸载决策策略;指出了星地融合网络中流量卸载研究存在的主要挑战及下一步的潜在研究方向.