【摘 要】
：
随着移动电信技术和智能终端的飞速发展,大量计算密集型、时延敏感型的新型应用不断涌现,如智能交通、虚拟现实、车联网、物联网等,为满足移动终端的低时延响应需求,一种整合网络边缘中异构资源的分布式计算范式被提出,即多接入边缘计算（Multi-access Edge Computing,MEC）,又称移动边缘计算。但由于MEC的计算资源有限,且用户终端的任务类型复杂多样,不同任务类型的处理难度差距较大。因
论文部分内容阅读
随着移动电信技术和智能终端的飞速发展,大量计算密集型、时延敏感型的新型应用不断涌现,如智能交通、虚拟现实、车联网、物联网等,为满足移动终端的低时延响应需求,一种整合网络边缘中异构资源的分布式计算范式被提出,即多接入边缘计算（Multi-access Edge Computing,MEC）,又称移动边缘计算。但由于MEC的计算资源有限,且用户终端的任务类型复杂多样,不同任务类型的处理难度差距较大。因此,对于多MEC场景下不同任务类型的卸载策略仍需要进一步研究。针对以上问题,本文展开了如下研究:1、针对多用户多雾接入点（Fog-Access Point,F-AP）的用户聚集场景下的计算卸载问题,将其分为两步处理,首先提出多重信号覆盖下F-AP选择算法,为每个终端选择合适的F-AP,同时降低中心区F-AP负载,达到负载均衡的效果,其次为提高中心区任务卸载请求的服务体验质量,设计了一种分层协同的启发式区域计算卸载算法,将稀疏区和过渡区空闲的计算资源抽象成更高层级的处理单元,同时将中心区溢出的任务向高层级F-AP调度,从而提高任务计算成功率。同时,在保证每个卸载任务能够在限定时间内完成的前提下,分配较低等级的计算资源,在保证所有任务都处理完成后,在可用计算资源范围内逐步提高分配资源等级,降低任务卸载执行总时延。实验结果表明,该算法在用户聚集场景下具有良好的卸载性能。2、针对单用户多F-AP场景下多依赖任务的计算卸载场景,为降低依赖任务处理的复杂性,将其依赖关系抽象成有向无环图,边表示任务之间的强制依赖,节点表示子任务。为防止任务卸载过程中,后继任务等待前驱任务结果时间过长,应按照有向无环图（Directed Acyclic Graph,DAG）的依赖关系进行顺序卸载。这里采用从出口任务开始遍历的上行权重作为任务的优先级,再根据优先级进行降序排序即可得到卸载序列。为减少依赖任务的完成时间,提出充分利用计算单元空闲时隙的调度方法和复制关键任务的列表调度算法,实验结果证明在当前场景下,该算法相较于其他算法具有较好的性能。
其他文献
无人物流运输车是集合了外部智能感知、自动执行等智能化技术的一种新型机器人,可以快速、高效地实现物料的无人运输、搬运等任务,是目前物流和工业自动化的重要组成部分,使用合理的调度和规划算法,能够提高物料周转率以及降低物流成本。本文以面向企业内部物流的多AGV调度为主要研究内容,通过优化任务队列,最小化运输距离,进一步减少运输成本,提升效率。同时考虑到企业内部数据安全,基于工业区块链辅助存储实现系统用户
目标检测是图像处理领域的重要一环,在生产生活中具有广泛的应用前景。目标检测的核心任务是识别图片中目标的类别和位置,但在日常的图像中,不同目标之间存在巨大的尺度差异,如何准确的将大尺度目标和小尺度目标全部识别出来是目标检测所面临的一个有挑战性的问题。基于此,本文针对目标检测中的多尺度问题进行了研究。本文的主要工作如下:（1）针对目标检测中多尺度特征信息不足的问题,使用包含多级信息的多级多尺度特征,提
图像在人们日常生活中起着举足轻重的作用,是人们获取信息的主要来源之一。当人们使用拍照机设备拍照的时候,由于场景光照亮度、拍摄设备等原因,得到的图像都会出现对比度低、能见度差和ISO噪点高等问题。这样的图像细节信息不明显,降低了图像的实用性。因此,人们提出了大量的方法改变图像的对比度,使图像的细节明显,提高图像的质量和使用价值。多数的这些方法在增强图像时,通常会出现过度增强、部分细节丢失等问题。而且
随着定位装备的广泛应用,轨迹数据量高速增长。通用伴随模式挖掘聚焦时空维度上的运动对象高相似度行为路径发现问题,基于大规模轨迹数据设计高效准确地通用伴随模式挖掘方法对发现用户偏好、构建新商业模式等具有重要意义,同时也极具挑战。一方面,海量且不断增长的轨迹数据要求通用伴随模式挖掘框架应具有良好可扩展性,单机挖掘框架并不适用。另一方面,在现有通用伴随模式的分布式挖掘框架中,存在对数据输入的质量、轨迹数据
现今,与无人机相关的技术发展十分迅速,尤其是利用无人机搭载高清摄像头获取影像数据,已被广泛应用,但是单幅无人机图像无法展示一个完整区域的具体内容。为了获取分辨率更高、视场角更大的无人机影像,本文对无人机影像拼接技术进行了研究,并利用GPU框架对拼接过程进行加速。另外,在雾天环境下进行无人机航拍会极大地影响图像的成像质量,而且会出现图像特征信息模糊的问题,这可能导致之后无法正常地进行特征点提取。本文
无线传感器网络（Wireless Sensor Networks,WSNs）得益于现代信息、计算、无线通信等技术的迅速发展,因其传感器节点微型、低功耗等优势,已成为当代人们日常生活重要的部分。然而,由于微型廉价的传感器节点在存储、通信和计算等方面资源有限,且在恶劣的环境下容易被破坏,从而导致网络通信受阻。因此,有效地延长网络的生命周期,提高节点的能量效率显得十分重要,而合理的传感器节点部署方法不仅
瞬变电磁法是一种建立在电磁感应原理基础上的有源测量方法,根据测得的瞬变电磁信号分析地电体之间的电阻率差异,进而达到探测地下地质体的目的。然而,瞬变电磁信号容易受到各种噪声的影响,尤其是在信号的晚期测道处,噪声可能会淹没有效的瞬变电磁信号,导致信号的利用受限,影响对深部目标的探测。瞬变电磁信号降噪是指利用各种方法,尽可能地压制噪声,提取有效的瞬变电磁信号,以便后续的处理。目前的瞬变电磁信号降噪方法大
移动通讯和互联网技术的不断进步,以及云计算、大数据等一系列新兴技术的蓬勃发展致使网络空间加速变革,拓扑结构愈发复杂导致网络流量持续爆炸式增长,而且,屡见不鲜的网络攻击事件使得网络安全问题首当其冲。网络安全态势感知技术能够弥补传统安全防护技术的缺陷,通过获取引发网络态势发生变化的态势要素,对其进行安全评估分析,从而及时发现网络攻击威胁与异常,并对网络变化趋势进行预测。它旨在从宏观角度出发,系统、整体
人机对话是自然语言处理领域最具挑战性的任务之一,也是未来实现人机共融社会的基础。近年来,得益于深度学习技术的发展和大数据时代积累的海量数据,基于神经网络的对话生成方法受到了学术界和工业界越来越多的关注。目前基于深度学习的生成式对话模型大多以最大似然估计为训练目标,这种方法容易产生内容单一且不含有意义信息的通用回复。情绪的感知和表达在人与人的交流中起着重要的作用,然而现有的研究主要集中在话语的语义理
随着互联网技术的发展,越来越多的人乐意在网络平台中发表评论。随着时间的推移,网络平台产生并保存了大量的评论性文本信息。这些评论信息往往蕴藏着用户对某事件或某产品的倾向性观点及情感,对其进行情感分析,有助于网络舆情监控;也有助于商家改进产品质量,提高服务水平。在文本情感分析方法中,粗粒度的句子级情感分析只能得到文本的整体情感,无法得到所评论对象不同方面或属性的情感信息。而细粒度的方面级情感分析可获取