时延情形下分布式Push-sum次梯度优化算法的研究

针对多个体系统在个体间进行信息交换时发生接收信息滞后,存在通信时延,影响优化算法的收敛速度的问题,提出一种时延情形下的分布式Push-sum次梯度优化算法,该方法在权矩阵不具有正对角线元素时仍适用,并应用系统扩维的方法将有时延优化问题转化为无时延优化问题。在时延和次梯度有界且有向切换网络周期强连通的条件下,证明了所提出的分布式Push-sum次梯度优化算法的收敛性。研究表明:存在通信时延时的算法收敛速度比无时延时的收敛速度要慢,并具有较大的收敛误差。最后,通过数值仿真验证了研究的结论。     

时延情形下的分布式随机无梯度优化算法

由于多个体系统在信息交流的过程中存在通信时延,系统会出现接收信息滞后的情况,从而影响优化算法的收敛速度。为了解决时延对优化算法产生的影响,提出了时延情形下的多个体系统分布式随机无梯度优化算法。假定系统中每个个体仅知道其自身的局部目标函数,利用系统中个体间交互时延信息来寻求这些局部目标函数之和的最小值,通过系统扩维将有时延的优化问题转化为无时延的优化问题。由于个体的局部目标函数有可能非凸故其次梯度不一定存在或很难计算,因而采用分布式随机无梯度方法。理论分析表明只要个体间的通信时延有上界,所提算法依然收敛。     

理想通信及通信时延下Euler-Lagrange多智能体系统的一致性控制

本文研究了一类Euler-Lagrange多智能体系统的领导跟随一致性控制问题。分别考虑通信网络拓扑为无通信时延和存在通信时延两种情形,设计了基于滑模思想的一致性控制协议。利用李亚普诺夫稳定性理论,证明了Euler-Lagrange多智能体系统在所设计控制协议下能达到一致性。最后的仿真结果验证了所提算法的有效性。     

二阶多智能体系统的跟随者-多领导者聚集控制

针对二阶连续时间多智能体系统的跟随者-多领导者集合聚集控制问题,假设每个领导者的运动速度为同一常数且它们之间没有通信,基于邻居原理,对网络没有通信限制(零通信时延)和有通信时延的情形,分别提出了一个新的控制协议;利用频域分析、矩阵理论和Nyquist稳定性判据,对零通信时延和有通信时延的情形,分别得到所有的跟随者都能够聚集于由多个动态领导者组成的凸多边形区域的充分条件;最后,通过数值仿真验证了文中所提控制协议的有效性和可行性.     

基于边缘横向协作的在线内容缓存与交付方法

传统的网络架构无法满足用户对内容缓存的需求，并且在内容交付中存在低延迟要求和高通信成本之间的冲突.为了解决这些问题，在边缘节点横向协作场景下，提出了一种基于Lyapunov优化和分支定界法的在线内容缓存与交付算法，以平衡交付时延与成本、高效的决策内容缓存与内容交付.提出的算法基于Lyapunov优化理论分解连续问题为单时隙在线优化问题，并利用分支定界算法求解.仿真实验表明，提出的算法能在有限的内容交付成本预算下实现较低的平均内容交付时延、较高的内容命中率，并且能够自适应地平衡内容交付时延与交付成本.     

基于MEC-D2D的分布式协同缓存方案

针对移动边缘计算服务器存储能力有限的问题,利用终端通信技术数据共享优势提出了一种基于动态规划的移动边缘计算与终端通信(MEC-D2D)协同内容缓存放置策略.首先分析协同通信模型中的内容流行度、缓存空间有限性以及干扰限制等因素对用户内容获取平均时延的影响;然后通过建立内容分段获取模型,以降低用户内容获取平均时延为优化目标;最后将缓存问题视为完全背包问题,并采用动态规划算法设计最优缓存分配方案.仿真实验表明所提缓存策略可有效降低用户内容获取平均时延.     

采用时延估计的外辐射源雷达杂波抑制算法

针对外辐射源雷达目标探测中监测通道存在分数倍时延杂波而造成杂波抑制性能下降的问题,提出了采用加权子空间拟合时延估计的外辐射源雷达杂波抑制算法(WSF-TDE-CM)。在假设接收数据中的目标信号远远弱于杂波信号的前提下,该算法首先利用接收数据的自相关矩阵通过加权子空间拟合的方法建立杂波时延估计模型,将分数时延估计问题转化为复正弦频率估计的优化问题,然后利用量子粒子群算法求解杂波时延,最后通过估计的杂波时延构造杂波矩阵,将接收信号投影到杂波空间的正交补子空间中,从而实现杂波的抑制。WSF-TDE-CM算法不需要设置滤波器阶数,在杂波时延为分数时延的情况下仍能保持良好的杂波抑制性能。仿真实验表明,当监测通道存在分数倍时延杂波时,WSF-TDE-CM算法与扩展相消算法相比,其杂波抑制比提高了约20dB;同时,在目标回波信噪比为-30dB时也能很好地检测到弱目标回波。     

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。     

面向车联网低时延需求的分布式路径计算方案

针对传统云服务应用于车联网大数据处理时存在通信时间消耗大、服务质量无法保证的问题,提出一种低时延的分布式路径计算方案。利用云雾网络架构将数据业务就近上传到雾网络设备以及云服务平台;为了让雾网络设备协同处理车载业务,采用一种基于该架构的任务映射策略(也称为业务卸载策略),将以有向无环图表示的车载业务流模型映射到以无向图表示的雾网络拓扑中;为了解决映射中存在的时延波动问题,采用一种改进的离散二值粒子群优化(NBPSO)算法进行优化;将该算法与负载均衡技术相结合得到最优映射方案。仿真结果表明：所提出的分布式路径协同计算方案可有效解决云计算模式下数据处理的高延时问题;当数据量为12 Mb时,采用所提方案的时延比采用云计算的时延降低约2.95 s。     

一种基于社区的机会网络路由算法

针对采用社区划分策略的机会网络路由算法在消息传输过程中存在时延过长、冗余转发的问题,提出一种基于社区的机会网络路由算法Routing algorithm for Opportunistic Networks based on Community(RONC),通过充分利用通信重叠区域内的节点转发消息,优化转发节点判定机制,重设消息传输条件,降低消息转发次数,从而提高消息传输成功率,降低传输时延。理论分析和仿真结果显示:RONC算法在平均端到端时延、转发效率和平均存储时间等方面均优于经典的Epidemic routing算法、Prophet routing算法及其改进算法Community-driven Hierarchical Message Transmission Scheme(CHMTS)。     

基于数据压缩和NOMA的低时延计算卸载方法

为了降低移动边缘计算系统的计算任务完成时延,提出了联合采用数据压缩技术和非正交多址技术的移动边缘计算系统计算任务卸载方案,研究了以最小化计算任务完成时延为目标的通信资源和计算资源优化问题。文中提出了人工鱼群算法对该问题进行求解,且考虑到传统人工鱼群算法固定步长不变导致算法后期收敛速率慢、运算量大、易陷入局部最优解的问题,提出了一种灵活控制收敛速度的自适应步长人工鱼群算法。通过仿真表明,所提计算任务卸载方法相比仅基于数据压缩技术或非正交多址技术的方法,计算任务的完成时延大大降低。     

一种基于时延和功耗双重优化目标的布局算法

针对标准单元模式的超大规模集成电路布局问题,提出一种新的基于时延和功耗双重优化目标的布局算法.在以优化时延为目标函数的布局结果基础上,进一步降低芯片的功耗特性,并通过算法设计较好地解决了两者优化方向的一致性.通过标准单元测试电路的实验结果表明,该算法在时延及功耗优化方面综合性能良好.     

基于节点通信监听机制的高效感知消息传输机会网络路由研究

针对采用社区划分策略的机会网络路由算法在消息传输过程中存在冗余转发的问题,设计节点通信监听机制,构建了新的消息传输策略,以高效感知邻居节点社区属性信息;并充分考虑携带移动设备的人的移动轨迹特点,设计了社区移动模型;嵌入时间片轮回机制,对网络节点进行动态划分社区;最终提出了基于节点通信监听机制的高效感知消息分发机会网络路由算法。在社区内转发消息时,选取与目的节点通信范围重叠区域内的邻居节点作为下一跳,若不存在这样的节点则将消息转发给与目的节点相遇概率较大的邻居节点或目的节点;在社区间转发消息时,算法选取与目的社区通信概率较大的中继社区节点转发消息,通过充分利用通信重叠区域内的节点转发消息,优化转发节点判定机制,重设消息传输条件,降低消息转发次数,从而提高消息传输成功率,降低传输时延。理论分析和仿真结果显示:与当前机会路由算法相比,新算法的传输成功率以及转发效率更高、平均端到端时延与平均存储时间更低。     

基于蝙蝠算法的SDN多控制器部署

对于大型SDN网络,多控制器的部署和应用需求迫切。提出了一种基于蝙蝠算法的多控制器部署方法,同时优化了3个指标:最小化平均控制时延、最小化控制器负载差异度和去除孤立节点。通过在迭代时不断优化达到平均控制时延最小化;限制控制器负载利用率保证控制器间负载均衡,利用标签传递算法去除孤立节点保证域内通信。仿真结果表明该方法可以保证SDN网络在无孤立节点的情况下,获得最小时延以及负载均衡的多控制器部署方案。     

宽带太赫兹大规模MIMO系统中的混合预编码

针对宽带太赫兹大规模多输入多输出(multiple input multiple output, MIMO)通信系统中更大的带宽和更多的天线导致的波束分裂问题,构建了基于时延的宽带太赫兹大规模MIMO系统的混合预编码通信模型,并提出了一种高效且可实现的联合时延和相位的宽带太赫兹混合预编码算法。考虑到时延器值的硬件限制,通过最小化最优模拟预编码与等效模拟预编码之间的差来联合优化模拟预编码矩阵和数字预编码矩阵,将联合优化问题转换成目标优化问题,通过将非凸问题转换成等价的凸问题来求全局最优解。仿真结果表明,提出的算法可以获得接近最优的可实现速率性能,且可以提高能量效率。     

移动边缘计算中分布式的设备发射功率优化算法

针对大规模移动边缘计算网络架构中的用户设备计算卸载时所需的通信和计算资源难以协同优化的问题,提出了一种基于马尔可夫近似的分布式发射功率优化算法。基于香农定理和链路传输特性,将用户功率最小化策略建模成组合优化模型,通过Log-Sum-Exp函数将目标模型转化为最小权重配置的近似问题;针对该近似问题,提出了马尔可夫状态跳转的规则和分布式的设备自调节机制以实现高效求解。实验结果表明:与随机优化算法相比,该算法的系统用户设备发射总功率优化效果提升了78.5%,在给定场景下,穷举搜索最优解的计算复杂度可达410,而该算法仅需要迭代优化130次即可逼近最优解,能够有效减少通信和计算时延,确保发射功率的调整结果快速向最优目标收敛。     

具有丢包和非均匀分布时延的网络控制器设计

研究了一种同时存在丢包和非均匀分布时延的离散时间网络控制系统的控制器设计问题.通过区分丢包和时延对系统性能的影响,并考虑时延的非均匀分布特性,首先构造了新的离散时间网络控制系统的模型;然后提出新的Lyapunov泛函并利用线性矩阵不等式方法,给出了控制器的设计方法,并优化了系统性能.不同于现有文献中将时延中点作为非均匀分布时延的分界点的做法,本文给出了一个分界点优化选取算法.最后通过数值例子验证了本文给出的镇定控制器设计的有效性.     

基于事件驱动的通信卫星传输功率的最优控制

本文提出服务请求、能量获取随机情形下,通信卫星在衰落信道中的通信随机模型,研究基于吞吐量最大的事件驱动的传输功率控制问题。本文将通信系统随机模型转换为混合状态且具有有限动作集合的Markov决策过程,给出最优传输功率的存在性证明及算法实现;以事件驱动传输功率数值实例说明理论结果;分析了参数对系统性能的影响特点。本文结论对通信卫星的通信设计与管理、资源配置优化及持续发展具有积极意义。     

EPON的动态带宽分配算法研究与优化

在分析了EPON的DBA的基础上,根据分布式计算的特点,提出了一种优化的可适用于分布式光网络的动态带宽分配算法DPDBA。该算法根据通信数据包的实时性和时序性,进行动态调度,预测动态分配信用带宽。通过数据包的时延分析和仿真,表明该算法能适用于分布式光网络,减少了数据包的时延。     

基于等分节点法的时延驱动布局算法

提出了一个新的基于等分节点法的时延驱动布局算法．该算法基于对电路时延图的拓扑结构分析,将优化关键路径时延的问题转换成优化关键路径上单元位置的问题,通过建立优化位置单元的队列链表,采用一种新的等分节点法有效地寻找路径上单元的目标位置,从而优化路径上的线网长度,最终达到优化最长路径时延的目的．另外,启发式迭代优化方法很好地统一了以线长优化和路径时延优化为目标的布局算法．对MCNC标准单元测试电路中组合和时序电路的实验结果显示,电路经过时延驱动优化布局后的最大路径时延最多减少了31%．