【摘 要】
:
随着科学技术和人工智能的迅速发展,智能移动设备的数量急速增加,它们生成的数据呈指数式暴涨,且需要及时处理并分析以提取其最大价值。然而,由于移动设备的处理能力、存储容量等限制,它对应用程序的计算需求反应缓慢,远远满足不了那些新兴移动应用的发展需求,并不能给用户很好的使用体验。且远程云数据中心与移动设备之间的传输距离过长,这将带来过大的传输时延,加重网络负载。移动边缘计算(Mobile Edge Co
论文部分内容阅读
随着科学技术和人工智能的迅速发展,智能移动设备的数量急速增加,它们生成的数据呈指数式暴涨,且需要及时处理并分析以提取其最大价值。然而,由于移动设备的处理能力、存储容量等限制,它对应用程序的计算需求反应缓慢,远远满足不了那些新兴移动应用的发展需求,并不能给用户很好的使用体验。且远程云数据中心与移动设备之间的传输距离过长,这将带来过大的传输时延,加重网络负载。移动边缘计算(Mobile Edge Computing,MEC)将服务器部署在移动设备的附近,被当作一种新的分布式计算框架,可以有效减轻能耗、降低时延、缓解网络压力。然而由于边缘服务器的计算和存储资源有限,仅仅依赖单个边缘服务器也将显著降低系统性能,制定一个合理的卸载决策以及有效分配系统资源是移动边缘计算系统面临的一个关键挑战。本文围绕可信协作的移动边缘计算系统中任务卸载和服务缓存问题展开研究,首先对于单个MEC服务器的计算和存储资源限制以及边缘节点之间的交互和服务跨节点迁移而产生的安全问题,提出了一个融合区块链的协作MEC系统。接着进一步讨论了移动边缘计算系统中的服务缓存和负载均衡问题,并设置了奖励机制来激励边缘服务器乐意与移动用户和其他边缘服务器共享计算资源,我们采用了基于深度强化学习的方法来解决提出的目标问题。主要的研究工作包括:第一,针对多用户多任务的MEC系统,由于MEC服务器在存储和计算资源上受到限制,依赖单个服务器会显著降低系统性能,本文考虑利用边缘服务器之间的协作卸载来处理计算任务,它们之间可以共享计算资源,相互协作处理计算任务,从而减少对远程云的依赖。此外,考虑到边缘服务器与移动设备之间,以及边缘服务器彼此之间都存在着互不信任和利益冲突等矛盾,在计算交互和服务迁移过程中可能会造成卸载信息或计算结果被恶意的服务器篡改的情况,本文引入了区块链技术,提出了一个融合区块链的协作MEC系统。它将系统中所有节点之间的交互信息都记录下来,一旦有恶意节点想要篡改信息,则很容易就暴露。本文旨在共同优化任务卸载、资源分配、块大小以及块间隔,在确保区块链系统事务吞吐量的情况下最小化边缘系统的计算时延和能耗成本的加权和,采用了基于Double DQN算法的解决方案来求解优化问题,从而得到最佳的协作卸载决策和资源分配策略,具体的仿真分析表明了本文算法的收敛性。第二,进一步考虑了MEC系统中的服务缓存和负载均衡问题。由于边缘服务器计算和存储资源的不匹配,以及工作负载分布不均衡,本文联合考虑了边缘服务器上的缓存能力,并允许任务可以被进一步卸载,通过服务器之间的协调合作,将工作负载从过载的服务器转移到负载较轻的服务器上来减轻系统压力。由于服务器的超密集部署,在某服务器覆盖范围内但未经授权的移动设备可以通过直接关联到该服务器以平衡工作负载。并设置了奖励机制来激励边缘服务器乐意与移动用户或其它边缘服务器共享计算资源,假设在服务器提供服务结束之后,移动设备会对其打分,根据打分的高低服务器将获得一定的支付报酬。同时MEC服务器还充当区块链网络中的矿工参与挖矿从而获得奖励,分配的资源量以及区块的大小都是影响挖矿成功与否的因素。本文采用基于Double-Dueling DQN的联合服务缓存和负载均衡算法,实现了任务卸载和区块挖掘的联合设计,并将所提出的算法与其他基线方案做了比较,仿真结果表明本文的算法性能优于其他。
其他文献
导弹作为一种重要的作战武器,弹载平台导航系统是其核心部件之一。随着现代化战争的不断发展,导弹对高精度、高可靠、全自主导航系统的需求越来越迫切.然而,当前常用的全球卫星导航系统、惯性导航系统、天文导航系统、重力匹配导航方法以及以天文-惯性组合导航为代表的组合导航方法在长期导航、信号遮挡和高精度要求等方面存在较大不足。为此,本文利用惯性器件和弹载相机构建了一种新的自主导航方案,命名为基于陆标-惯性系统
目标跟踪是雷达领域中的一个热点问题。当前战场环境愈发复杂,新式装备和策略层出不穷,目标特性主要表现为高机动、数量多等方面。这就使得目标跟踪极为困难,因此,解决目标跟踪中目标的高机动性、运动模式复杂和数目多且时变等问题具有重要的意义。本文针对复杂环境下目标的特性,重点研究了机动目标跟踪和多目标跟踪算法。首先,研究了机动目标跟踪中的交互式多模型算法。针对交互式多模型算法中存在的Markov转移矩阵自适
当前,深度学习相关技术的研究取得了杰出的成就,基于卷积神经网络的行人检测算法也在不断被提出并应用于实际场景中。行人检测的目的是从各种场景下的图像中检测出行人目标并进行准确地标注,而行人检测的场景往往多样且复杂,且行人姿态、在图像中的尺寸以及光线等因素各异,这对检测算法提出了更高的要求。目前存在的目标检测算法各有其优势和不足,针对指定的目标检测任务需要对其进行改进以达到更好的检测性能。本文对YOLO
随着人们生活质量的提高以及科技的快速发展,汽车数量在增长的同时也带来了许多交通问题。车载自组织网络作为智能交通的重要组成部分,能够有效地减少事故发生以及交通拥堵等问题。而一个高效且可靠的路由协议对于提高车载自组织网络性能发挥着重要作用。然而,由于复杂的路况、车辆的高速移动带来的通信链路连接不稳定以及网络拓扑结构的不断变化,如何在城市环境中设计一种高效可靠的路由协议来将数据包传输到目的地仍然是一个具
随着部队信息化建设不断深入,建设一支打赢信息化条件下的局部战争的部队成为我军的建设目标。相比起机械化条件的战争,信息化条件下,信息成为制胜的关键。随着大量信息化兵器投入战场,传统的以微波通信为骨干网,借鉴蜂窝网络而构建的战术互联网已经逐渐不能满足作战的需求,因此,需要能满足更高要求的战场接入网络。本文考虑基于以云无线接入网为基础的三种接入网架构构建野战综合军事网络。并讨论了以资源块为规划基础的情况
目标检测和跟踪方法是计算机视觉领域的核心问题,也是运动分析、场景理解、行为识别等关键支撑技术,有着广泛的理论研究意义和实践应用价值。课题针对光学视频数据(图像序列数据)空中时敏目标(如:飞机、无人机或其他小型飞行器)的精确检测与跟踪需求,研究结合聚类方法的稳健检测与跟踪方法。以地对空观测成像的典型应用场景为分析依据,凝练了红外成像的无人机目标检测跟踪任务中的典型难点问题,借鉴极限学习机和非监督聚类
随着恶意代码造成的危害日益严重、威胁的领域愈加广泛,恶意代码的检测和分类问题显得更为急迫重要。其中,恶意代码的家族分类对于快速了解恶意代码感染策略、威胁级别,并对其及时开展防范具有重要意义。基于静态特征的恶意代码家族分类具有特征提取时间短、资源消耗少、可扩展性强等特点,在处理分析当前数量呈指数级增长的大规模恶意代码时具有较大优势,一直是当前恶意代码分析的研究热点之一。本文结合深度学习方法,对恶意代
乳腺癌作为在女性中发病率最高的一种癌症,严重影响着女性的健康。但是,如果能使用医学手段及早发现,治愈率还是很高的。所以早期的筛查和治疗是提高乳腺癌患者生存率的重要手段。乳腺X光造影技术的价格相对来说比较便宜,对于病人的身体损伤小,并且医生操作方便,非常适合于乳腺癌的早期检查。因此,以乳腺X光图像作为数据集的医学图像成为临床研究和学术研究的重要图像数据。卷积神经网络在图像分类领域的处理手段得到的效果
<正>总部位于奥地利蒂罗尔州的Egger集团,在美国北卡罗来纳州列克星敦市建了一个新厂,该厂是其第20家工厂,于2020年9月开始投产。早在2017年,Egger集团就宣布要在列克星敦市新建一条刨花板生产线和两条短周期贴面生产线。Egger集团工厂经理Ritterbach说:"该生产线的投资为公司的发展提供了机会,扩大了市场占比,可缩短交货期,旨在为市场提供新的创意、产品和服务。"