Stackelberg博弈的MEC资源分配策略

移动边缘计算(mobile edge computing,MEC)通过在网络边缘部署计算资源成为缓解终端设备资源匮乏的有效方案。针对设备计算资源无法满足任务需求的问题,提出一种基于Stackelberg博弈的MEC资源分配策略。该策略应用Stackelberg博弈理论将请求方、协作方的卸载过程描述为效用最大化问题以激发双方的协作积极性,并设计一种基于粒子群的Stackelberg博弈算法,以快速获得该优化问题的最优解。同时,由于区块链具有分布式、不可篡改等特性,出于对安全性的考虑,将其应用于协作过程的管理。实验结果表明,所提策略可以实现双方联合效用最大化,且相较于遗传算法的卸载方案;所提算法具有更快的收敛性能。     

基于多目标遗传算法的卫星成像任务调度技术

针对成像卫星的任务调度问题,考虑多种约束条件,提出了成像任务约束图模型。基于多目标优化和遗传算法思想,提出了一种应用于卫星成像任务调度的多目标遗传算法,详细分析了算法的各个关键步骤的设计思想,能够求得基于成像约束图模型的满意解,生成卫星的优化拍摄计划。卫星成像任务调度原型系统的实现和实验结果验证了该模型和算法的合理性和有效性。     

装备体系需求开发研究：能力-任务匹配方法

针对装备体系需求开发的重点,即作战领域到技术领域的指标映射,提出了能力-任务匹配方法。通过分析装备体系需求指标的结构,建立了依靠功能活动来联系的基于任务要求、能力要求和能力缝隙的装备体系需求数学模型。在此基础上提出通过作战任务分析、功能活动分析、作战能力分析和能力缝隙分析四个阶段实现能力 任务匹配,给出了具体步骤和相应的模型。以“空中封锁”示例说明了方法的可行性。     

不同负重、坡度和速度背包任务下的背部肌肉疲劳评估

为评估不同条件下男、女性背包作业过程中的肌肉疲劳状况,设计男、女性背包徒步行走试验范式。分别测量任务前、后参与者背部肌肉肌力的最大随意收缩力f_MVC和f′_MVC、心率R_h、最大耐受时间T_me,并给予博格体力消耗的主观疲劳感知评分E_rp。12名大学生参与者(6名男性和6名女性)被要求背着装有哑铃(重量分别为0、自身体重的12.5%和25%)的背包,以3种不同的速度(2、4、6 km/h)和两种不同的坡度(0°、10°)在跑步机上行走,直至因劳累而无法继续为止。结果表明：背包任务后,背部肌力S_b值下降,主观疲劳评分E_rp值增大;相比女性,男性肌力下降快,抗疲劳性强,但女性的疲劳感知能力较男性强。研究成果助力提升从业人员的作业设计和生活安排合理化,从而预防肌肉骨骼疾病(musculoskeletal diseases, MSDs)风险。     

一种可调节动态任务调度算法

提出了适于异构环境独立任务调度的可调节动态调度算法(AS算法)。该算法以任务与处理机的执行时间和完成时间作为参数共同构造任务调度顺序的衡量值,其中二者所占的比重能进行适当调整。AS算法克服了Min-min算法单纯追求局部最优的局限性,更适合异构环境。实验结果表明AS算法可以有效地降低调度跨度,其性能比Min-min算法有所提高。     

4种嵌入式实时操作系统的两种主要技术分析和选择

介绍了uC/OS-Ⅱ、RT-Linux、uCLinux、VxWorks 4种嵌入式实时操作系统,分析、比较了这4种实时嵌入式操作系统的两种主要关键技术——任务管理和内存管理,任务管理主要从任务优先级、任务调度策略和时间的可确定性进行比较分析;内存管理主要从内存分配方式、管理方式和是否支持MMU等进行比较分析。在此基础上,提出了这4种操作系统的适用领域,为实时嵌入式操作系统的选择提供了依据。     

任务驱动教学法在营销专业实践能力培养中的应用研究

营销专业是具有较强实践性的应用型专业,传统的教学侧重于理论知识的传授,忽视了实践能力的培养。任务驱动教学法能够把传授知识的传统教学转变为以完成任务为主的互动式教学,并且符合学生认知与学习规律。实践证明,任务驱动教学法能够帮助学生获得切实的实践能力。     

基于层次化资源模型的任务调度方法

依资源之间的网络通信性能将资源管理组织成层次化结构,使得资源的组织方式反映实际的网络拓扑,为计算任务在资源的合理分配提供依据;并采用树型结构组织计算资源与层次化任务调度方法,以提高资源获取的效率。     

基于网络图一致性项目管理算法及应用

针对企业项目管理软件的分析和设计要求,研究、探讨了项目管理软件中基于多级网络图的进度管理问题及多用户共享操作项目管理软件所引起的一致性问题,提出了一种基于网络图一致性项目管理算法,有效的解决了项目管理中的进度管理和多用户视图的一致性问题,应用结果表明,该算法具有较好的效果.     

一种嵌入式系统自适应调度算法研究

在优先级调度策略的基础上,引入自适应调度策略来降低调度错失率,采用任务分组的方法,通过判断函数动态地选择调度策略,利用可达截止期优先来降低任务错失率,保证了全局优先级高的任务的调度成功率。理论分析和仿真实验表明,在非过载的情况下,该算法可以达到与可达截止期优先策略相当的调度性能;在过载的情况下,相比截止期优先和固定优先级算法具有更好的调度性能,能够有效地保证关键实时任务的成功调度。