【摘 要】
：
为解决车载自组织网络(Vehicle Ad Hoc Neteorks,VANETs)中基础设施建设的不足以及路侧单元(Roadside Uints,RSUs)通信范围受限的问题,提出停车边缘计算的思想,把拥有大量闲置计算资源的路边停放车辆组织成停车簇,令停车簇充当天然边缘计算节点,在RSUs或边缘计算服务器缺失情况下,及时执行周围移动车辆的卸载任务.分析了任务的完成时间,为最大化成功完成的任务数量,设计改进的SAC(Sampling-and-Classification,SAC)算法实现执行任务的停放车辆
【机 构】
：
天津师范大学 计算机与信息工程学院,天津300387;电子科技大学 计算机科学与工程学院,成都610054
论文部分内容阅读
为解决车载自组织网络(Vehicle Ad Hoc Neteorks,VANETs)中基础设施建设的不足以及路侧单元(Roadside Uints,RSUs)通信范围受限的问题,提出停车边缘计算的思想,把拥有大量闲置计算资源的路边停放车辆组织成停车簇,令停车簇充当天然边缘计算节点,在RSUs或边缘计算服务器缺失情况下,及时执行周围移动车辆的卸载任务.分析了任务的完成时间,为最大化成功完成的任务数量,设计改进的SAC(Sampling-and-Classification,SAC)算法实现执行任务的停放车辆选择和资源的分配.基于真实城市道路停车调查的模拟实验结果证明,与其他几种任务调度策略相比,本文所提策略具有较高的任务完成率和卸载率.
其他文献
针对经典粒子群优化(PSO)算法在算法前期易陷入局部极值、后期收敛精度低的问题,提出一种结合引力测度和质心变异策略的混合粒子群优化算法(GMCMPSO).首先,在算法初始阶段采用精英分组策略,以方便获取种群的优秀信息;其次,对两个子群采用引力测度策略,以达到种群间信息的高效共享;最后,在引力测度的引导下对一部分普通粒子进行随机变异、对剩余的普通粒子进行质心变异,以使得算法能够有效跳出局部极值和开发最具潜力的区域,并提高算法的收敛精度.将所提出的算法和经典粒子群优化(PSO)算法、萤火虫和粒子群的混合优化(
网络测量为网络运营,服务质量保证,拥塞控制,数据中心和骨干网中的异常检测提供了关键信息.为了应对日益增大的流量规模,减少流量统计的内存开销,基于Sketch的流量统计方法成为流量统计的研究热点.文章对Sketch统计方法进行研究,针对基于Sketch的Top-k流统计问题进行分析,根据Sketch的结构特点,将Sketch分为基本Sketch、面向热流的高精度统计Sketch、冷热流自适应的精确统计Sketch.另外研究了Sketch面向场景的实现方法.最后分析了Sketch算法未来的研究方向.
作为自然语言处理任务的基础,中文分词的准确率直接影响命名实体识别、信息检索等任务的效果.针对现有分词模型使用的静态词向量精确表征能力较差和专业领域分词中模型适应性差等问题,本文提出一种使用字根信息为辅助特征的中文分词模型.模型分为主任务和辅助任务,主任务中使用ALBERT语言模型训练词向量,利用去池化卷积残差神经网络提取特征,与辅助任务抽取的特征融合后进行分词.辅助任务使用字根向量表示文本,通过浅层卷积提取特征,进行序列标注.借助损失函数利用辅助任务对主任务进行纠正,协助主任务实现中文分词.在BakeOf
虽然缓存内容复用是命名数据网络的显著特征,但是传统方法的缓存内容利用率并不理想.为了提高命名数据网络中缓存内容的利用率,提出了一种基于缓存价值的缓存策略.本缓存策略在保证内容流行度和兴趣源距离外,还充分考虑了缓存内容大小及多样性因素,由此可有效优化缓存空间,提升缓存的价值.此外,还设计了相应的缓存内容定期更新策略.对比实验结果表明,提出的缓存策略与经典的缓存策略相比,可以有效提高缓存内容的命中率、降低内容平均访问时延和平均路由跳数.
针对GWO算法易早熟收敛、寻优速度和精度不高等问题,提出一种基于双权重因子的改进鲶鱼效应灰狼优化算法(IGWO).首先,采用Logistic混沌映射初始化灰狼种群,提高种群初始化位置的质量;然后针对头狼扰动和个体搜寻步长引入两种不同的权重因子,用来平衡算法局部开发和全局搜索能力;最后引入改进的鲶鱼效应策略,保证种群活力,进一步提高算法收敛精度,避免算法陷入局部最优解.仿真结果采用10个标准测试函数与其他智能优化算法进行低维和高维寻优对比,并与其他改进灰狼优化算法进行对比,结果表明,改进的灰狼优化算法具有较
随着后摩尔时代的到来和Dennard缩放规律的终结,CPU处理能力增速趋缓.超大规模数据中心网络中的流量却呈现持续的指数增长态势.数据中心网络堆栈功能开始向硬件转移,旨在节省CPU时钟周期的新型智能网卡(SmartNICs)应运而生.系统结构和网络领域顶会两年来发表多篇相关研究成果.本文首先介绍了智能网卡研究背景,并归纳了网卡智能化的演进过程;其次,重点阐述超大规模数据中心时代的智能网卡研究挑战以及在网络加速、数据传输、新型调度器和性能隔离等方面的最新研究进展;随后,介绍了工业智能网卡研发现状;最后,给出
近些年很多基于深度学习的推荐模型被提出,这些模型通过对特征的处理和改变深度网络结构来解决推荐系统数据稀疏和冷启动的问题.然而现有的方法忽略了特征与特征之间的交互对深度网络的影响,限制了模型的学习能力.为了给用户推荐更感兴趣的项目和信息,本文提出了分解机深度网络(Factorization Machine Deep Network,FMN)模型.该模型将因式分解机和深度神经网络结合,首先利用因式分解机在特征之间进行交互以充分学习交叉项特征,然后利用深度网络学习高阶非线性特征.进而,分解机深度网络将特征的隐藏
信息物理系统的网络拓扑结构复杂,会极大影响系统中实时协同的通信效率.传统的路由算法已经无法满足日益增长的智能通信网络,为降低信息物理系统的网络延时,提出了基于改进变邻域搜索算法的信息物理系统覆盖网构造方法.首先针对信息物理系统覆盖网络节点选择方法,改进了变邻域搜索算法的领域结构和抖动方式.然后利用目标函数进一步优化覆盖节点集的选择策略.最后在不同节点集上,对此方法进行网络通信延迟、时间花销和算法的稳定性的分析.实验结果表明,改进的变邻域搜索算法有效减少网络延时和降低时间花销,提高了网络通信的效率.
针对当前视频帧预测模型中存在的预测准确度较差和物体结构信息丢失等问题,提出了一种动态卷积生成对抗网络.在生成网络中,首先使用卷积长短时记忆网络初步提取输入视频流的图像特征,然后利用卷积神经动态平流单元对视频流中的运动特征进行提取,最后将上述两种特征组合后输出一组预测视频帧;在判别网络中,采用一个3D卷积网络一次性接收全部视频帧.在实验中,使用Adam方法优化模型的参数,采用KTH和BAIR Robot Pushing数据集作为训练数据集.实验结果表明:无论是在长时间视频帧预测准确度和物体结构信息保留方面,
针对代码注释较少导致软件项目可维护性降低、理解代码语义困难等问题,提出一种基于NMT模型的双编码器框架自动生成代码注释的方法.在该框架中,首先提取不同的代码特征信息;然后分别采用序列编码器和图编码器对不同的代码特征编码,引入注意力机制调整编码器输出向量,再对双编码器的输出向量综合处理;最终利用解码器对综合向量解码获得注释序列.为了验证带有注意力机制的双编码器模型效果,本文构建自动生成代码注释算法框架.实验表明,双编码器模型与文中的序列编码器和树编码器模型算法相比,在生成代码注释方面的结果评估得分上表现较好