【摘 要】
：
近年来,随着智能设备数量的飞速增长,云端计算的功能日渐向网络的边缘端转移,计算领域出现了移动边缘计算（Mobile Edge Computing,MEC）这一新的趋势。MEC将原本云计算中位于核心网的计算资源,通过边缘服务器或其他利用空余计算资源的方式,将处理任务的中心“下沉”靠近用户的网络边缘,为处于网络边缘侧的移动设备提供高效、灵活的网络服务和计算资源。计算卸载是MEC得以显著提升用户体验的一
论文部分内容阅读
近年来,随着智能设备数量的飞速增长,云端计算的功能日渐向网络的边缘端转移,计算领域出现了移动边缘计算（Mobile Edge Computing,MEC）这一新的趋势。MEC将原本云计算中位于核心网的计算资源,通过边缘服务器或其他利用空余计算资源的方式,将处理任务的中心“下沉”靠近用户的网络边缘,为处于网络边缘侧的移动设备提供高效、灵活的网络服务和计算资源。计算卸载是MEC得以显著提升用户体验的一大利器,然而计算卸载效果极易受到复杂MEC环境影响。设计最优卸载方案,提升计算卸载为用户带来的时延、效用增益,是非常有价值的问题。本文分别对MEC环境下内含依赖关系的复杂用户任务的卸载问题,和多用户MEC环境下的协作计算卸载和计算资源优化问题进行了研究,并在此基础上根据深度强化学习,提出了有效提升用户体验的解决方案。具体工作如下:1.针对MEC环境下内含任务划分和依赖关系的复杂用户任务的卸载问题,将复杂任务抽象为有向无环图（DAG）表示。根据任务在DAG图中的重要程度设置任务优先级序列,并将环境建模为马尔科夫决策过程（MDP）。之后引入结合Seq2Seq结构的DDPG（Deep Deterministic Policy Gradient）算法,训练使用户时延最小化和效用最大化的卸载策略。通过对比实验得知,本文提出的算法在时延最小化和效用最大化的目标上的表现接近穷举法,显著优于其他基线算法。2.针对多用户MEC环境下的计算卸载和资源分配决策问题,提出了将计算资源富余的移动设备视作协作设备的方案,将其他移动设备的计算任务卸载到协作设备上,达到在满足用户任务时延容忍约束的条件下,减小系统总能耗的目的。针对该目标问题,设计了基于SAC（Soft Actor-Critic）的优化算法。在仿真实验中,对比了多用户协作卸载方法与普通MEC服务器卸载方法的整体表现,表明了协作卸载方案在满足用户时延需求,减小系统能耗目的上的有效性。
其他文献
木薯作为全球第六大粮食作物,应用价值很高,既可以用多种方式加工成食品,也可以应用到经济市场中。然而,由于木薯叶易遭受病毒性疾病的侵害,因此,其产量和质量难以得到保证。早期,需要专家到田间对木薯叶的疾病类型进行判断和治疗,但该方法耗时耗力,并且需要专家有丰富的诊断经验。目前,基于深度学习的识别技术可以较大提高识别疾病类型的效率,但难于处理背景复杂且样本数量较少的数据集,网络模型的识别精度仍不够高。因
过去几十年计算机领域的发展,安全资产的保护,安全算法的设计与防护显得越来越重要。芯片的攻击与防御在芯片安全领域是一个广泛研究的课题,针对安全算法的攻击方式有很多种,其中差分故障（Differential Fault Analysis,DFA）是密码分析学中一个强大的技术,通过干扰算法的计算过程,利用错误的结果推断出密钥。本文将采用差分故障分析模型,定位出Data Encryption Standa
电力变压器是我国运输电力流程中不可或缺的设备,关系着电力系统的正常运行。确保电网的稳定运行需要及时对变压器的潜伏性故障进行维修,避免进一步的事故发生。在变压器故障诊断领域中,采用油中溶解气体分析法（Dissolved Gas Analysis,DGA）是极为有效且普遍的诊断方法,特征气体识别法、三比值法等传统故障诊断方法都是基于油中溶解气体分析法构建的。目前,人工智能技术不断发展,变压器故障诊断方
噪声背景下对目标信号进行提取是信息处理领域的研究热点,在雷达、移动通信水下声呐、语音、医疗诊断等无线系统中有着广泛且重要的应用。在设计上述无线系统接收端信号检测器时,首先要建立噪声背景数据的数学模型。由于真实噪声数据的非高斯和脉冲特性,高斯分布的噪声已不再适合用来对噪声数据进行建模。为了能够在实际应用中获得更好的检测性能,对脉冲噪声进行研究显得特别重要。但是,现阶段基于脉冲噪声下的信号检测器,其设
随着智能手机的广泛使用,人们通过手机软件打车已成为一种流行的交通方式。而近年来城市交通拥堵的不断加剧,以及出租车（网约车）行业发生多起违法犯罪案件,如何在城市中合理的进行车辆派单,减少交通拥堵的发生和保障司机和乘客在服务过程中的安全越来越成为人们关心的问题。本文以此为出发点,提出了基于时间与安全联合优化的车辆派单策略,从时间和安全两个方面对乘客的叫车请求做出合理的派单。首先,本文从深圳市出租车轨迹
手术导航系统能够辅助医生在术中精确地定位病灶的具体位置,并以可视化引导的方式辅助医生将病灶清除。作为核心系统之一,空间定位系统能够提供手术器械尖端空间定位信息的实时反馈,辅助医生更加准确地完成手术操作。但术中操作通常会使软组织发生形变或位移,这使得术前规划以及术中配准失效,判断病变组织是否清除完全成为难题。相关研究利用动物实验验证了不同生物组织阻抗值的差异性并实现精准分类,这表明在术中利用生物电阻
随着信息技术的不断发展,分布式、云计算、边缘计算等技术越来越成熟,催生了越来越多的数据量。海量数据让数据的管理和价值挖掘变得愈加复杂和困难。随着数据量越来越大,从日常生活中的医疗、购物和娱乐到全球经济的健康发展以及击溃恐怖主义,都需要依靠预测的质量。这就需要一种能够快速且准确预测的系统,推荐系统应运而生。推荐算法从提出起,因为其在不同应用场景的广阔应用前景吸引了众多学者不断进行完善与发展,所以诞生
行人重识别是进行跨视频监控设备行人检索的重要过程,其核心思想是提取行人特征并进行相似性度量。行人重识别技术在追踪犯罪人员,寻找失踪人口,建立新型智慧商场等方面有着重要意义。在远距离公共监控场景下,行人脸部特征难以捕捉,所以行人重识别研究主要关注行人的身体特征。目前,对行人特征提取的研究多采用卷积神经网络提取单帧行人图像的衣服颜色和样式等外观特征,但这些外观特征在不同时间地点的监控视频中容易发生变化
阻抗控制是机械臂力/位置跟踪控制的关键技术之一。然而,传统的阻抗控制过分依赖精确地环境模型,难以适应参数不能准确测量的工作环境;此外,建模误差是难以避免的,这导致基于参数已知的控制方法难以取得高精度的轨迹跟踪效果,进而影响机械臂末端力/位置跟踪性能。如何减小机械臂不确定性和环境未知性对机械臂力/位置跟踪的影响一直是控制领域的研究热点。本文以阻抗控制为研究基础,并考虑机械臂动力学参数不确定性问题作为
在双碳政策的大背景下,分布式发电系统已被普遍采用,目的是为了缓解世界资源匮乏现象。但因为目前可再生能源的开发项目大多集中于边远地区,并网逆变器和电网之间需要搭建规模较大的输电线路,这又使得线路阻抗被引入到电能传输网络中。此时的电网不能被看成理想的电压源,称为弱电网。在弱电网条件下,由于逆变器的控制器在dq轴不对称,逆变器阻抗会在dq轴相互耦合,此外,逆变器阻抗与电网阻抗之间也会相互耦合,进而产生频