移动边缘计算中的无人机群协同任务卸载策略研究

针对应急灾害中通信受限的场景,研究了基于移动边缘计算(mobile edge computing, MEC)的无人机群(unmanned aerial vehicles,UAV)协同任务卸载问题。在对系统通信过程和计算过程的延时与能耗分析的基础上,设计联盟效用函数和回报函数,并基于享乐博弈模型提出联盟分割形成算法。理论分析证明,该算法最终收敛于某个稳定的联盟分割。仿真结果表明,相比其他典型策略,提出的策略具有更低延时和能耗,能够提升用户服务体验、增加设备续航时间,解决通信受限问题。     

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。     

基于移动边缘计算的任务卸载策略研究

由于传统云计算的高时延和处理能力有限,无法满足5G网络的发展要求。基于移动边缘计算网络框架,提出了一种结合通信时延和计算时延的联合优化卸载策略用于移动边缘计算网络。该策略通过移动边缘计算设备不同的计算能力和通信链路的不同传输速率,对移动用户任务进行决策。通过仿真分析该卸载方法对任务大小和时延的影响,验证了该方法的优越性。结果表明,相比于传统的卸载方法,该方法可以有效地降低卸载时间和提高数据处理能力,有一定的参考价值。     

缓存辅助移动边缘计算的任务卸载与资源分配联合优化策略

为了减少资源受限的移动边缘计算场景下任务卸载和资源分配过程中的能量消耗,提出缓存辅助的动态卸载决策和计算、通信、缓存多维资源分配的联合优化策略。该策略根据任务流行度制定缓存服务,通过控制用户设备的发射功率优化通信资源分配,并结合计算卸载合理利用服务器的计算资源。提出最小化时延和能耗的均衡优化目标,设计基于深度强化学习的优化求解算法。最后,通过仿真实验验证所提策略的有效性,结果表明该策略在计算资源和缓存容量约束条件下能展现较优性能。     

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.     

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。     

移动边缘计算中基于非合作博弈的计算卸载策略研究

针对多用户、多任务的复杂场景,建立一种基于非合作博弈和排队论的计算卸载博弈模型。以计算任务的平均响应时间和平均能耗作为性能指标,提出一种非合作博弈的纳什均衡卸载策略和成本函数,设计一个迭代算法来求解系统的纳什均衡。理论证明了该博弈模型的纳什均衡存在且具有唯一性。数值仿真结果表明,基于非合作博弈的纳什均衡卸载策略可以显著降低移动设备的开销,提升系统性能,更好地满足用户需求。     

免疫记忆克隆算法求解3G基站选址优化问题

从免疫学的角度出发,研究了免疫系统体液免疫应答原理,基于免疫应答机制,模拟了人体免疫系统的克隆选择、细胞选择、记忆细胞获取、抗体浓度调节等机制,提出了一种新的免疫优化算法.设计了基站选址优化问题的数学模型,给出了一种基于免疫计算的基站选址优化方案,并对所提出的算法进行了收敛性分析.仿真结果表明:所提方案能以相对较低的网络建设成本获得较高的网络覆盖率,具有较好的应用价值.     

多目标优化量子免疫算法求解基站选址问题

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案.设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证.实验结果表明：算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值.     

CCSA:一种能耗均衡的候选簇首选择算法

LEACH协议忽略了节点剩余能量在簇头选举中的重要性,使得能量低的节点可能成为簇头而过早死亡而影响整个网络生命周期.为此,提出了按节点剩余能量进行分级的思想,使得级别高的节点更容易被选举为簇头,另外,对于非簇头节点接收到的多个候选簇头发送的广播消息,根据剩余能量和距离因素综合评价后再选择加入簇.在传输模式上,簇头融合簇内数据后采用多跳方式发送至sink节点,为了使网络能量消耗更均衡,采用非均匀分簇的思想,避免靠近sink的簇头能量过早耗尽.仿真结果表明,本文提出的算法能均衡网络负载,提高网络生命周期.     

EHWSNs中面向吞吐量和能耗优化的时隙分配算法研究

针对在具有移动汇聚结点(Sink)的能量收集无线传感器网络中,如何在数据收集时提升网络吞吐量和降低能耗的问题,分析了Sink移动距离与节点数据传输的时间周期之间的关系,将面向吞吐量和能耗优化的数据收集问题建模为基于混合整数线性规划的优化问题,并提出了一种基于有效传输周期的时隙分配算法来对其进行求解。算法主要分2个阶段进行：移动Sink在每个时间周期内识别出可进行数据传输的邻居节点,并为其分配时隙;移动Sink根据数据可用性对节点进行排序,并最终决定哪些节点在各个时隙期间发送数据。理论分析和仿真实验结果表明,所提算法在吞吐量和能耗方面的性能优于当前典型算法,且计算复杂度更低。     

分布式小基站资源分配优化方法

在小基站和宏基站联合部署的异构网络中,相邻小基站之间的干扰现象较为严重,导致系统性能下降。文中针对OFDMA系统中分布式基站架构,提出频率复用和图论知识相结合的改进型干扰消除方案,结合业务需求和频带资源,遵循相邻小基站之间使用正交子信道的原则,合理地将子信道分配给小基站,使小基站之间复用的子信道数目更多。文中还研究了异构场景下宏基站辅助带宽的方法,由于宏基站和小基站采用相同的频带资源,可将宏基站的小部分带宽分配给业务需求得不到满足的小基站内的用户。仿真结果证明,在干扰减少的同时,系统吞吐量和小基站的满意度都得到了提高。     

基于人工鱼群算法刨煤机比能耗最低参数优化

为了减少滑行刨煤机无用功率,提高刨煤机运行能耗利用率,选择刨煤机的刨削深度、刨刀间距、一次循环刨头采高、刨刀宽度为设计参数,以刨煤机刨削机构比能耗最低为优化目标,采用人工鱼群算法对刨煤机刨削机构进行参数优化,优化结构表明:在刨削结构刨头外形尺寸不变且结构强度满足的条件下,刨煤机刨削结构的比能耗减少了7.89%,破碎率上升了1.45%,达到了节能降耗的目的。     

Reducing energy consumption optimization selection of path transmission routing algorithm in opportunistic networks

Opportunistic networks are random networks and do not communicate with each other among respective communication areas.This situation leads to great difficulty in message transfer.This paper proposes a reducing energy consumption optimal selection of path transmission(OSPT) routing algorithm in opportunistic networks.This algorithm designs a dynamic random network topology,creates a dynamic link,and realizes an optimized selected path.This algorithm solves a problem that nodes are unable to deliver messages for a long time in opportunistic networks.According to the simulation experiment,OSPT improves deliver ratio,and reduces energy consumption,cache time and transmission delay compared with the Epidemic Algorithm and Spray and Wait Algorithm in opportunistic networks.     

泵站优化运行决策模型选择技术研究

阐述了模型选择技术在泵站优化运行中研究的必要性,给出泵站优化运行模型选择系统的结构,采用两级模型字典库存储模型并通过构造搜索树建立模型选择推理机制,完善了模型选择的全过程和操作步骤,实现了泵站优化运行模型选择系统的设计开发,实例验证了该选择方法的有效可行性.     

能耗均衡的低功耗自适应集分区路由改进算法

针对LEACH算法簇头选取不佳、网络寿命过短问题,提出一种基于分区的LEACH改进算法。该算法根据节点剩余能量、邻居节点数及距基站距离对簇头选举产生的影响,对簇头选举函数进行优化;对监测区域进行分区,不同分区采取不同的数据传输方式,减少基站附近簇头节点转发信息的负载量,有效避免基站附近“能量空洞”现象的发生。实验结果表明,相比于LEACH和LEACH-EDP算法,本文改进算法第一死亡节点出现轮次分别推迟了23.32%、18.44%,网络寿命分别延长了32.27%、21.49%。     

基于虚拟机迁移的能量收集MEC系统资源分配策略

针对现有研究没有考虑用户移动性对移动边缘计算（mobile edge computing,MEC）服务器反馈计算结果影响的情况,提出一种基于虚拟机迁移的能量收集MEC系统资源分配策略。考虑用户移动性影响,分别给出用户移动性模型和能量收集模型;采用虚拟机迁移方式,把用户卸载给初始MEC服务器的计算任务转移到当前MEC服务器,由当前MEC服务器完成计算任务,计算结果直接反馈给用户;综合考虑用户卸载计算任务和MEC服务器反馈计算结果,将功率和子载波分配问题建模为混合整数非线性规划问题,在满足能量消耗、子载波分配和发射功率的约束条件下,最大化系统能量效率。为了降低求解复杂度,通过引入遗传算法,获得次优解。仿真结果表明,与基于遗传算法的局部功率或子载波分配方法相比,提出的方法具有更高的能量效率。