一致分数阶非瞬时脉冲微分方程非局部问题温和解的存在性

利用算子半群理论、 非紧性测度估计技巧和Darbo’s不动点定理研究一致分数阶非瞬时脉冲微分方程非局部问题温和解的存在性, 在非线性项满足适当增长条件和非紧性测度条件, 非局部项和非瞬时脉冲函数均满足Lipschitz条件下, 得到该问题解的存在性结果, 并举例说明所得结果的有效性.     

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。     

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。     

关于算子值函数的（R—S）型积分

本文研究算子值函数相对于向量值函数的（Ｒ－Ｓ）型积分，得到了这类积分的Ｈｅｌｌｙ定理。     

模糊赋范线性空间的有界线性算子

本文给出了有界线性算子的定义，证明了线性算子，有界性与连续性等价。     

算子权移位的亚自反性

本文首先仿照A.Lambert对单边算子权移位的处理方法刻划了双边算子权移位所张成的弱闭代数，进而证明了算子权移位均是亚自反的。做为推论，讨论了算子权移位直接和的自反性，从而在算子权移位范围内顺答了J.Deddens的两个问题[5]。     

关于Minkowski相加算子构造线性空间的若干问题

本文首先简介Ｍｉｎｋｏｗｓｋｉ相加算子的基本概念．然后提出用Ｍｉｎｋｏｗｓｋｉ相加算子构造线性空间的若干结论．     

一种有的图像边缘修正方法

在实验的基础上，从视觉心得学出发，对边缘检测结果的不理想情况进行分析和归纳，提出适合于边缘修正处理的链表型数据结构，并说明了边缘图像映射到数据结构中去的过程。根据目标域的线性、平等及封闭约束和图像边缘的长度约束以边缘出错类型，开成修正规则与算法。最后给出了修正处理的实验结果。     

一类极大算子与Cp权的关系

设Ｍｆ（ｘ，ｔ）＝ｓｕｐ１／Ｑ∫Ｑ（ｆ（ｙ）／ｄｙ，其中Ｑ为Ｒ＾ｎ中的方体，ｌ（Ｑ）为Ｑ的边长，本文考虑如上定义的极大算子与Ｃｐ权对的关系。