基于CP-ABE和区块链的车联网匿名身份认证算法

车联网匿名身份认证技术是向用户提供有效服务的基础,能够保证车联网通信过程的安全性。针对现有的匿名身份认证方案在认证效率、计算开销等方面存在的不足,提出了一种基于CP-ABE和区块链的匿名身份认证算法。采用动态属性和静态属性相结合的认证策略,认证机构为车辆分配假名,实现了车联网中的细粒度匿名身份认证,减少冗余认证,提高时间效率,保护用户隐私。同时,结合区块链技术,对认证策略进行管理,防止身份认证过程中认证策略被恶意篡改。实验结果表明,该算法能够实现快速的加解密,满足车联网身份安全、高效认证的需求。     

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;本文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,本文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。     

基于自适应任务卸载的蜂窝网络计算资源分配算法

移动边缘计算中的任务卸载是当前的研究热点.随着蜂窝网络中移动终端数量的快速增长,由于计算资源有限,任务卸载时出现了时延长及资源分配不均衡的问题.针对该问题,提出一种基于自适应任务卸载的蜂窝网络计算资源分配算法.该算法先根据用户周围的资源分布情况,自适应为每个用户选择最佳卸载模式;再根据计算资源使用情况,自适应为基站用户选择最优卸载决策并分配计算资源.仿真结果表明：与其他4种算法相比,该文算法的系统效用增益最大.     

MEC架构下基于DDPG的车联网任务卸载和资源分配

为了缓解车联网中个体车辆计算资源配置过低而导致的任务处理时延较大的问题,提出了一种移动边缘计算(mobile edge computing, MEC)架构下的动态任务卸载策略和资源分配方案。以最小化全网任务处理时延为目标,将车联网中的任务卸载和资源分配问题建模为马尔可夫决策过程(Markov decision process, MDP),并利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法进行了问题求解。仿真结果表明,与执行者-评价者(actor-critic, AC)和深度Q网络(deep Q-network, DQN)这2种算法相比,DDPG算法以最快的算法收敛特性获得最小的全网任务处理时延。     

基于约束的自适应QoE算法设计

针对任务请求和服务器节点之间进行数值计算存在较大的时延代价问题,构思一种以任务转发频率为约束,全面评估系统可用开销资源的客户体验(QoE)算法。算法以任务交互时延为控制目标,通过设计多个评估参数从整个系统中筛选出具有足够响应能力的节点为终端用户提请的任务计算请求提供解决方案。同时兼顾到任务请求的随机突发特征引发系统节点载荷度失衡,进而导致任务计算迟缓的问题,算法设计了可用资源集合用于动态遍历可用的响应节点。数据统计表明,QoE算法不仅具备全局优化性,也具有良好的自适应能力。     

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。     

自适应阵列天线区域覆盖算法研究

文章分析了自适应阵列天线信号空间分割原理,介绍了自适应阵列天线区域资源传统分配算法:固定式区域资源分配算法和最大最小区域资源分配算法.针对自适应阵列天线区域资源传统分配算法存在的问题,提出了基于最小标准差的区域资源改进分配算法,并介绍了其区域资源分配原理和计算方法.通过对以上三种区域资源分配算法的通话阻塞率仿真可知,最小标准差区域资源分配算法相对于区域资源传统分配算法可降低通话阻塞率,负载平衡效果最好.     

两个代理商松弛工期指派与位置有关负荷资源约束单机排序问题

【目的】研究两个代理商松弛工期指派资源约束单机排序问题。【方法】代理商通过竞争在同一台处理机上处理各自任务集合,各有一定数量的资源可以分派给任务。任务有待定的松弛工期,处理时间与位置有关且是所获资源量的凸函数。目标是求出任务的处理顺序、工期和资源分配方案,使得乙代理商任务中最大费用不超过给定值,且甲代理商任务最大费用取最小值。将问题转化为凸规划问题,先求出任务资源数量;再通过求解指派问题确定任务的处理顺序,进而求得工期。【结果】给出了多项式时间的最优算法,提供算例说明算法的有效性。【结论】分析表明算法的计算时间复杂度为O（n3）,其中n为两个代理商任务数中较大的一个。     

工期窗口指派可控处理时间资源约束最大费用最小化排序问题

【目的】研究具有公共工期窗口指派的凸资源单机排序问题。【方法】任务的处理时间与所在位置有关,并且可以通过分配一定的资源加以控制,是所获得的资源量的凸函数。目标函数是所有任务费用中的最大值。考虑两个问题。第1个问题是在资源总量有上界限制条件下,确定任务的最优排序、公共工期窗口位置和大小以及资源分配方案,使得最大费用最小。第2个问题是在最大费用有上界限制条件下,求出最小资源总量、任务排序和公共工期窗口位置和大小,使得资源总量最小。【结果】将上述问题转化为非线性凸规划问题和指派问题加以处理。证明了两个问题均可以在多项式时间内求解。【结论】对于考虑的两个问题分别给出了多项式时间最优算法。     

基于服务能力的VANET协同服务发现中间件

针对如何有效利用多个资源提供者为请求资源的车辆提供服务的问题,引入车辆服务能力的概念,面向城市车辆自组织网络(VANET)环境,提出了一种车联网协同服务发现中间件体系结构.该中间件可以根据车辆的内部资源和自身的物理属性,综合衡量其提供服务的能力.同时,设计了协同服务发现算法,将服务任务根据提供服务车辆的服务能力进行合理分配.计算可提供服务车辆的服务能力和协同服务车辆阈值,确定服务提供者列表.按照列表内各车辆的服务能力,将请求的服务任务进行分配,并将服务请求车辆与服务提供者进行服务绑定.仿真结果表明,与相同城市环境下的VITP算法相比,所提算法可降低服务绑定时间,并提高服务绑定成功率.     

基于改进蚁群算法的天基资源调度研究与仿真

天基信息网中卫星资源有限，在轨升级难度大，链路间通信时延高，导致大规模并发任务处理效率低下.针对任务简单并发且每个任务由一个节点处理的情况，构建基于动态优先级的任务模型，对天基信息网计算与存储资源构建基于模糊聚类理论的资源模型.提出基于改进蚁群算法的天基资源调度策略，引入负载均衡因子，改变信息素更新规则，调整任务分配策略，结合Min-Min算法促进任务执行及资源分配.仿真结果表明，本文算法和对比算法相比，任务完成时间缩短29.2%,任务累积价值高出37.9%,资源负载均衡度缩小75.5%,资源利用率高出22.4%,验证了本文算法的优异性.     

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。     

一种无线局域网络信道接入自适应退避算法

根据IEEE802．11分布式协同机制（DCF）,提出了一种自适应调整竞争窗口的退避算法．其原理是根据节点MAC帧头部的持续时间duration字段中网络分配矢量（NAV）的信息来预测节点附近信道的争用情况,竞争窗口的取值是在不同网络负载的情况下,采用自适应的调整策略,以达到改善网络性能的目的．分析与仿真结果表明,与传统的退避算法BEB算法相比,本算法提高了网络的信道利用率,对平均传输时延也有所改善．     

基于图论的预约-分配的模型和算法研究

【目的】随着日间手术病房的就医人数的快速增加,针对患者的预约分配要求,医院的处理过程正变得越来越困难和复杂。传统方法通过人工填表进行预约分配,耗时长、效率低,并分散了对医疗方案的注意力,所以迫切需要新的计算科技来解决预约分配中存在的问题。【方法】采用网络和图论的方法,将患者和日间手术病房之间的预约分配问题,合理表示为一种患者和病床之间的资源优化管理。即把患者和病床之间对应关系,构成二部图(Bipartite-graph)的模型和算法。【结果】采用了改进的算法后,通过在计算机上对数据进行仿真模拟,表明基于该模型和算法基础上给出的排序结果优化了的预约分配方法。【结论】采用二部图模型和改进算法,有效解决目前在日间手术病房的预约分配中存在的困难问题,优化了医疗资源管理。     

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。     

一种自适应混合变异的引力搜索算法

【目的】针对引力搜索算法在求解优化问题时易陷入局部极值问题,提出了一种自适应混合变异的引力搜索算法。【方法】采用动态调整粒子速度和位置的更新公式,提高算法搜索精度。引入变异算子,对最优粒子进行高斯变异,对非最优粒子进行自适应 t 分布变异。【结果】提高算法在求解函数优化问题时的全局探索能力和局部开发能力。【结论】用 9 个标准测试函数的仿真实验,与标准 GSA 及改进算法进行比较,结果表明所提出算法具有较强的收敛精度和鲁棒性。
     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

自适应实时压缩感知跟踪算法

【目的】解决实时压缩感知跟踪算法分类器无法适应目标外观变化及过更新的问题。【方法】根据当前跟踪结果目标模型的哈希指纹与上一帧目标模型的哈希指纹之间的汉明距离(Hamming distance),在线实时调整分类器,以提高实时压缩感知目标跟踪算法的自适应能力。【结果】自适应实时压缩感知跟踪算法的跟踪成功率比实时压缩感知跟踪算法提高13%,在目标大小为40pixel×43pixel时,跟踪速率为37fps,满足实时性要求。【结论】本研究建立的方法在背景中存在与目标有一定相似性的物体,且目标姿态、纹理变化和光照变化较大等情况下,能快速获取跟踪目标,并且具有较强的鲁棒性和准确性。     

基于通信时延分组的改进实用拜占庭容错算法

【目的】为解决实用拜占庭容错算法(practical Byzantine fault-tolerant algorithm, PBFT)通信复杂度高、共识时延高等不足,提出节点间通信时延分组的改进实用拜占庭容错算法(grouping PBFT,GPBFT)。【方法】首先将区块链系统节点进行分组,依据最少网络通信次数确定分组数;然后计算各组节点间平均通信时延进行组内节点筛选,确定组内节点数;最后以共识成功率、失败率和节点历史行为评估参数为变量计算节点信誉值,监督节点共识行为,减少异常节点的参与。【结果】通过基于Hyperledger Fabric平台的区块链系统进行仿真试验,结果表明：与PBFT相比,GPBFT平均时延降低57.86%、平均吞吐量提高55.04%,通信复杂度数量级由平方级降低为对数级。【结论】GPBFT可满足多节点场景下区块链复杂通信的高时效性需求,解决了行业区块链系统大规模节点的需求问题。     

支持资源协同分配的网格任务调度研究

提出通用的网格和任务执行模型,并以此为基础,给出一种支持资源协同分配的任务调度算法。算法通过定义临界资源的概念,改进了传统的列表调度算法。模拟实验结果表明该调度策略更符合网格计算的复杂环境,能得到较短的任务执行时间,并更好的支持不同类型资源的协同分配。