面向医疗大数据的云雾网络及其分布式计算方案

针对云计算应用于医疗大数据场景时存在业务处理时延较高的问题,提出了一种基于边缘计算的新型云/雾混合网络架构,该架构利用医院中的路由器或交换机等边缘设备,在云服务器与医疗检测设备之间构建一个雾计算层,通过将云服务器中的医学影像等医疗大数据分析结果主动缓存至雾计算设备,并与雾设备上来自医疗检测终端的数据进行对比计算,得出诊断结果,达到降低业务处理时延的目的。考虑到边缘设备的计算能力较弱,进一步提出了一种多设备分布式计算方案,利用带约束的粒子群优化负载均衡(CPSO-LB)算法,达到任务处理时延最小的目标。仿真结果表明:基于CPSO-LB算法的云/雾混合网络能有效地降低医疗数据处理时延;当采用10个雾计算设备,处理的医疗数据量在6~10Gb时,与云计算网络相比时延性能提升了50.95%~37.37%。     

面向医疗大数据任务低时延需求的路径计算方案

针对云计算应用于医疗大数据处理时存在的通信高负荷及任务处理高时延的问题,提出一种面向低时延任务需求的路径计算方案。该方案首先将医疗大数据任务构建为由多个具有输入输出关系的子任务所组成的有向无环图;然后,设计了一种云雾网络架构,利用医院中的交换机、路由器等网络边缘设备组成雾计算层,在端到端的定向数据传输过程中利用雾节点的计算能力逐步完成医疗大数据任务计算。为将医疗大数据任务部署至医院网络,提出一种基于离散二值粒子群优化(BPSO)算法的任务映射策略,将有向无环图形式的大数据任务映射至医院雾网络拓扑图,为任务数据寻找合适的计算路径,并最小化医疗大数据任务处理时延。仿真结果表明,当数据量取5～10Mb时,应用路径计算方案的任务处理时延相比云计算可降低50%以上。     

基于云平台的MapReduce性能优化策略

设计了基于云平台架构的M印Reduce性能优化策略,全面考虑MapReduce作业过程中的数据传输与数据处理流程,将虚拟网络拓扑结构的设计描述成一个优化问题,并构建模型实现了通信代理数量、通信代理的放置位置以及虚拟机与通信代理之间的映射关系,以解决目前大多数研究只单方面考虑平台的数据处理或数据传输性能的缺陷.实验结果表明,与随机匹配策略和贪心策略相比,本方案优化了云计算系统的虚拟网络拓扑结构,减少了数据传输与处理的时间总开销,显著地提高了大数据处理的整体性能.     

基于改进萤火虫算法的云计算任务调度策略

针对云计算中任务调度效率低引起的资源利用不平衡问题,提出一种基于改进萤火虫算法的虚拟机任务调度策略,该策略首先构建云计算资源负载平衡优化问题的约束条件,采取最小用户任务完成时间作为资源优化的目标函数;其次通过改进的萤火虫算法优化资源搜索路径,优化云服务器中多个虚拟机之间的任务负载平衡,通过提高云服务器的响应效率达到缩短...     

基于DTN的车载云计算卸载算法

车载云计算卸载存在计算资源受限和网络通信中断等问题.提出了2种基于DTN的适用于时延容忍型应用的计算卸载算法:基于DTN的直接传递算法和基于DTN的泛洪算法.通过仿真实验对这2种算法和不采用DTN的直接传递算法的计算卸载性能进行了测试、分析和比较.结果表明基于DTN的计算卸载算法适用于网络拓扑结构不断变化的车载云计算环境,能够提高卸载任务的成功率,缩短任务完成时间.     

基于粒子群的工业大数据雾计算多目标优化任务调度算法

针对工业生产中基于软件定义网络的雾计算架构大数据处理场景中的独立任务调度问题，提出了基于粒子群的多目标优化任务调度算法。该算法同时考虑优化任务的完成时间与异构雾集群的负载均衡值两个指标，采用一种非线性递减的方法更新惯性权重值，解决基本粒子群算法后期权值较大导致局部收敛能力较弱的问题。通过MATLAB仿真验证了所提算法的有效性。试验结果表明，在前期获得更大搜索空间的同时该算法提高了后期的收敛速率。     

5G网络环境下雾计算框架的数据安全性

随着5G网络的大规模商用,5G架构下的数据安全性和隐私保护成为当前研究的热点。传统的云计算,在5G网络环境中发展出移动边缘计算架构,继而发展出标准化的“雾计算”框架。为了保障雾计算框架中的数据安全和隐私保护,本研究引入区块链分布式安全机制进行安全认证和分片式非对称加密,并通过仿真实验进一步验证优化基础计算框架,从实验结果看,能够在保障数据安全的前提下显著降低时延,并形成了可实用的网络拓扑架构,将在各领域的5G大规模应用的数据安全和隐私保护中发挥作用。     

基于路径映射加密的云租户数据安全存储方案

云计算中数据的存储安全是租户最为关注的问题,也是云计算能否获得广泛应用的关键。文中提出了一种基于存储路径映射加密的云租户数据存储访问方案。方案中,云租户数据被划分为具有逻辑关系的若干存储块,这些逻辑块将提交到云索引服务平台并以多备份的方式存储到不同的云存储服务提供者的存储介质上;基于此,云租户对其私密数据的存储路径映射进行加密。所提出的方案在存储租户数据时,在不同的云存储提供者之间采用了冗余备份的机制,保证了租户数据存储的可靠性;同时,方案仅对租户数据的存储路径进行加密,从而避免了对数据整体的加、解密操作;分析和测试结果验证了方案的安全性、有效性和可行性。     

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。     

一种低时延虚拟网络功能映射及调度优化算法

针对传统虚拟网络功能映射及调度服务时间长、不稳定的问题，提出了一种新的虚拟网络功能映射及调度优化算法。以虚拟网络功能链路传输时延与实例化时延整体最小化为目标，建立虚拟网络功能映射及调度模型，通过设计一种低时延映射及调度算法(GABL),根据虚拟网络功能与虚拟机之间的映射集合，优化虚拟网络功能映射节点的选择问题及调度顺序问题，求解出最短时间的网络功能虚拟化映射及调度方案。GABL算法采用两段式初始化技术，将虚拟网络功能和虚拟机分别进行初始化，提高初始解的质量；利用具有锦标赛策略的人工蜂群算法对问题进行求解，保留优秀基因与种群多样性，避免陷入局部最优；采用局部搜索算法在可行解附近进行寻优，加快求最优解的速度。仿真实验结果表明：GABL算法具有稳定性强、收敛性快等特点，能够有效降低虚拟网络功能映射及调度服务时间；与GATS算法相比，GABL算法的服务完成时间减少了15%。     

一种基于强化学习的车联网边缘计算卸载策略

计算密集型、时延敏感型车载应用的不断涌现导致资源受限的车载终端设备无法在短时间内处理大量的应用任务,而且卸载节点的动态变化特性在复杂多变的车联网场景中会导致任务候选卸载节点存在不确定性。针对上述问题,提出一种基于强化学习的计算卸载策略来实现任务卸载预判和计算资源分配。结合设备链接时间与通信半径等因素制定卸载节点发现机制,通过考虑时延与成本对车联网移动边缘计算卸载系统的影响建立效用函数,并以最大化效用作为优化目标将车联网中的卸载问题转化为优化问题,基于卸载节点发现机制采用Q-learning方法提出一种智能节点选择卸载算法求解优化问题,实现任务的智能卸载。仿真结果表明,在车联网场景中,提出的计算卸载策略可实现更高的系统效用。     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

命名数据网络中基于蚁群优化的视频业务路径优化

针对命名数据网络中视频业务数据量较大导致的网络传输易受时延、吞吐量以及传输时间等限制的问题,提出一种针对视频业务的基于改进蚁群优化算法的多路径传输方法ACO-MpR.首先根据interest包来区分视频业务类型并得到相应服务质量要求;其次找出满足该业务类型QoS的时延、带宽及拥塞值,组成最优化模型中三元组约束条件,将其代入到改进蚁群优化算法中找出多条可行路径;最后通过三元组约束条件对路径进行筛选得出最满足该视频业务服务质量的多条路径.理论分析及仿真实验表明:与命名数据网络中常规路由方式的蚁群优化算法ACOIR、多路径路由方法MRBRC相比,ACO-MpR在视频业务传输时具有更好的表现,能够有效地解决视频业务在传输时受时延、吞吐量及传输时间等限制的问题.     

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。     

基于云计算技术的大数据处理系统的研究

将融合思想应用于大数据处理系统中来改善单一问题,对基于云计算技术的大数据处理系统进行了研究,重点研究了多种因素交织下的网络数据处理模型对大数据处理中的影响,并提出了一种基于混合架构、融合处理、分散处理的云环境下大数据处理的系统部署策略。此研究可用于下一代云平台处理系统中,能够为未来云平台处理技术提供一种可供选择的解决方案。     

离散萤火虫算法在车载网的应用

车载自组织网(Vehicular ad hoc network,VANET)是移动自组织网络之一,具有节点变动迅速、拓扑结构灵活、通信能力要求较高的特点。为提高车载自组织网络的可靠性,实现数据的安全共享和快速交互,将离散萤火虫(DFA)算法应用求解车载网络中具有服务质量约束的多播路由问题。根据VANET的路由特点,将该问题转化为延迟成本最小化约束优化问题,并将车载网络路径时延转化为萤火虫的荧光素值,然后将该算法用4个实例进行测试,并与Dijkstra最短路径算法、粒子群优化算法进行比较。研究结果表明:离散萤火虫算法性能更佳,可有效解决VANET中Steiner minimum tree(SMT)问题,成功取得最优路径。该算法在一定程度上稳定了网络拓扑结构,能够实时更新节点信息。     

基于概率群集的多战机协同空战决策算法

为解决多战机在无中心控制条件下的自主协同空战决策问题,提出了一种基于概率群集的分布式协同算法.以导弹为Agent构建协同分布式决策模型,并基于概率群集将离散的组合优化问题映射为概率分布空间上的一个凸优化问题;通过定义Agent的贡献度扩展概率群集架构.上述2种方法分别解决了模型中存在较大局部最优值区域和由于异构Agent间的非线性协同导致系统无法准确收敛的问题.实验结果表明,所提算法与传统算法相比具有更好的鲁棒性、可扩展性,收敛速度也有一定提高.     

云计算环境中数据分布式强制访问控制算法

在云计算环境中,用户把敏感数据外包在云端,所以数据强制访问控制成为目前云计算研究中亟需解决的问题。当前常用的解决算法是加密数据密钥;但这种算法因密钥分发及数据管理导致计算开销大。因此,提出一种新的云计算环境中数据分布式强制访问控制算法。介绍了云计算环境中数据访问流程,分析基于密文策略和属性的加密算法。利用属性集合对云计算环境中的用户身份进行描述,通过访问控制树表示数据分布式强制访问控制结构,在用户属性集符合既定访问控制结构的情况下,用户才能够完成对数据的解密。通过属性私钥申请、文件上传和文件下载三个过程,实现数据分布式强制访问控制。实验结果表明,所提算法在效率、安全性、内存消耗和控制精度四个方面均显示出了很大的优势。     

基于边缘云计算的人体数据传感架构

为了解决基于云平台的架构方法在处理人体监测传感数据时无法很好地支持实时性和可移动性的问题,该文提出一种基于边缘云计算的人体数据传感架构,并将其运用于大数据分析.其构建了3层云计算人体数据流架构,分别由无线体域网、边缘云系统和中央云系统组成.针对人体数据流架构提出了支持实时性和可移动性的移动服务架构,该架构在中央云数据中心和用户之间使用边缘服务器,在此基础上设计了边缘云的数据传感架构,该软件架构包含3层应用程序接口,分别应用于传感器设备、边缘云和中央云.设计了能够支持多种类型应用程序的存储架构,优化传感架构并提高数据存储可靠性.实验结果表明,基于边缘云的架构降低了由虚拟机容量导致的故障率和服务器整体利用率,同时在服务时间和数据处理时间方面均优于现有的架构.     

基于DDPG的边云协同计算卸载方法

移动设备的容量有限以及传统卸载算法仅考虑移动设备和边缘服务器计算资源,使单独的边缘计算面临资源有限和成本高的问题。为此,将云计算(Cloud Computing)、边缘计算(Edge Computing)与深度确定策略性梯度算法(Deep Deterministic Policy Gradient, DDPG)相结合,提出了一种基于DDPG的边云协同计算卸载方法(DDPG-ECC)。将时延和能耗作为优化目标,利用边缘服务器和云服务器之间的协作,最小化计算卸载系统的时延和能耗,实现了计算卸载的优化分配。仿真结果表明,DDPG-ECC性能良好,对于不同的工作负载具有很好的适应性和泛化能力。