基于李雅普诺夫优化的铁路集装箱货运站间空箱协同调运研究

铁路集装箱空箱供应与需求的不平衡,导致多个集装箱货运站间空箱需要协同调运。针对空箱调运的动态性、实时性特点,建立以计划周期内整个运输网络空箱调运总费用最小为目标函数的铁路集装箱多时段空箱调运优化模型。该模型为全局优化问题,直接求解较为困难,因而运用李雅普诺夫优化方法简化模型,将全局优化问题转化为多个单一时段问题,且从理论上证明转化后的问题等价于原问题。利用数学软件对简化后的模型进行求解,通过算例分析验证所提出模型的正确性和有效性,实现计划周期内多个铁路集装箱货运站间空箱的最优动态调度。

基于李雅普诺夫优化的移动群智感知在线任务分配策略

移动群智感知技术基于众包思想,募集移动感知设备对周围环境进行感知,能够使得环境感知和信息收集更加灵活、方便、高效。任务分配方案的合理性直接影响到感知任务能否成功,因此制定合理的任务分配方案是移动群智感知相关研究中的热点和重点。目前,移动群智感知系统中的任务分配方法多是离线的,针对的是单一类型的任务,但是在实际中,在线的、多类型的任务分配更贴近实际。因此,文中针对多类型任务,将移动群智感知技术应用于军事末端感知中,结合移动群智感知技术在军事领域的应用特点,对移动群智感知中的任务分配方法进行了研究,提出了面向系统效益的在线任务分配策略。文中建立了长期的、动态的在线任务分配系统模型,并以系统效益为优化目标,基于李雅普诺夫优化理论对问题进行了求解,实现了任务准入策略和任务分配方案的长期在线动态控制。实验结果表明,所提出的在线任务分配算法是有效可行的,能够在线、合理地分配到达移动群智感知系统的任务,保证任务队列的稳定性,且可以通过调整参数值增加系统效益。

基于李雅普诺夫优化框架的风光储独立微网实时优化调度策略

微电网是整合分布式电源、储能和负荷的重要形式,对提高能源利用效率和系统运行经济性具有重要作用。针对独立微网新能源发电功率的不确定性,文章提出了一种基于在线优化思想的风光储独立微网实时调度策略。有别于传统微电网调度结合历史数据或预测数据生成调度策略的思路,文章基于李雅普诺夫优化框架,以新能源发电随机变量的实时取值作为唯一信息源,以长期收益期望最大化为目标,逐时段求取满足系统约束的实时优化调度策略。算例分析结果表明,文章所提出的在线调度策略与基于完全信息的离线优化调度策略所获长期平均收益之差控制在很小的范围内,可以有效保障独立微网运行的经济性。

基于李雅普诺夫优化的容器云队列在线任务和资源调度设计

为在保证任务服务质量(QoS)的条件下提高容器云资源利用率,提出一种基于李雅普诺夫的容器云队列任务和资源调度优化策略。首先,在云计算服务排队模型的基础上,通过李雅普诺夫函数分析任务队列长度的变化;然后,在任务QoS的约束下,构建资源功耗的最小化目标函数;最后,利用李雅普诺夫优化方法求解最小资源功耗目标函数,获得在线的任务和容器资源的优化调度策略,实现对任务和资源调度进行整体优化,从而保证任务的QoS并提高资源利用率。CloudSim仿真结果表明,所提的任务和资源调度策略在保证任务QoS的条件下能获得高的资源利用率,实现容器云在线任务和资源优化调度,并且为基于排队模型的云计算任务和资源整体优化提供必要的参考。

碟形飞行器李雅普诺夫优化控制器设计

针对一类简单控制器实现的碟形飞行器变质量矩/推力矢量复合控制系统,通过转换,建立了关联控制系统,并基于李雅普诺夫优化设计方法,对碟形飞行器的控制器进行了设计。最后,将此控制方法应用于碟形飞行器全弹道飞行试验进行仿真。仿真研究表明,与传统的静态控制器设计方法相比,这种方法显示了巨大的优越性。

基于李雅普诺夫优化的任务卸载优化算法

针对边缘计算环境下,任务卸载过程中任务的动态到达性和信道条件的不确定所引起的平均时延和能耗的优化问题,提出了一种基于李雅普诺夫优化的任务卸载优化算法.首先,采用李雅普诺夫优化方法把原问题转变为确定性的优化问题,将终端设备中待卸载的任务队列按照优先级传输至缓存基站,并对任务卸载过程中的队列长度进行约束和建模,使得队列长度可控,从而保证系统稳定性.其次,结合遗传算法正反馈机制、快速收敛性和蚁群算法全局快速搜索能力、求解精度效率高等优势,对缓存基站中带有优先级约束队列的实际状态来寻求近似最优的卸载路径,以便高效的将任务卸载到合适的移动边缘计算(Mobile Edge Computing,MEC)服务器中.最后,根据任务队列的约束和卸载路径的优化结果提出了一种启发式全局优化任务卸载算法.经过实验仿真,所提算法与现有的EEDOA研究方法相比,合理地约束队列长度与选择近似最优路径可有效降低任务的卸载能耗.

基于李雅普诺夫优化和深度强化学习的多任务端边迁移

针对多终端、多边缘服务器场景下异构工业任务的端边协同处理问题,提出一种基于李雅普诺夫优化和深度强化学习的多任务端边迁移算法.首先,以联合优化任务迁移决策、迁移比例和传输功率为目标,充分考虑计算频率、传输功率、长期能耗和任务截止期等约束,构建系统长期平均开销最小化问题;由于问题中长期目标及约束中变量在不同时隙相互耦合,难以求解,基于李雅普诺夫优化理论,将长期平均开销最小化问题解耦为独立时隙的策略优化问题;通过马尔可夫决策过程建模,并采用双层竞争深度神经网络架构,提出基于深度强化学习的多任务迁移算法.实验结果表明,所提算法能够稳定收敛,并在长期能耗约束和任务截止期要求下有效降低系统长期平均开销.

基于李雅普诺夫的RIS辅助无人机边缘计算网络中任务卸载与资源分配研究

针对无人机(UAV)面对复杂时变的衰落信道对无线传输造成不利影响这一问题,构建了可重构智能表面(RIS)辅助UAV边缘计算网络中UAV轨迹、RIS相移、卸载时隙分配、CPU频率分配和用户设备(UE)传输功率的联合优化问题。为了求解构建的问题,对UE和UAV的任务队列稳定性约束进行转化,将多时隙随机性优化问题转化为每个时隙的确定性优化问题,提出了基于李雅普诺夫优化和块坐标下降(BCD)法的任务卸载与资源分配(JORL)方法。首先基于三角不等式求解RIS相移并求得闭合表达式;然后使用非凸转凸问题的技术求解卸载时隙分配、CPU频率分配和UE传输功率;最后基于连续凸近似方法求解UAV轨迹。仿真结果表明,JORL在保证任务队列稳定性和降低能耗方面有较优越的性能。

家庭智能电器负荷调度和能量分配优化算法

为了解决家庭用电高额能耗问题和提高用户供用电收益,针对家庭中具有用电差异性的负荷进行能量调度.根据可转移属性,将家庭用电负荷分为2个类别:弹性负荷和非弹性负荷.联合分布式可再生能源和储能设备构建智能电器用电负荷调度优化模型,基于李雅普诺夫优化理论提出时变电价下的家庭用户多电器能量分配算法.所提算法充分考虑了不同智能电器的用电负荷响应及调度优化问题.理论性能分析证明,所提算法能够在不需要系统的先验统计信息的情况下使优化目标渐近最优.对所提算法的用户收益提升能力进行仿真验证,结果表明,相较于未考虑各家用智能电器实际需求和可容忍时延的分配算法,所提算法可将用户收益提高11.2%.

无人机无线网络中基于队列稳定的无线与计算资源分配优化

无人机(UAV)无线网络中,UAV承载基站设备,可灵活提供无线通信服务,支持在高质量的无线信道状态下进行数据传输;另一方面,将边缘计算服务器部署到基站侧,计算资源更靠近用户,通过任务卸载,能够直接在基站侧进行计算处理,缓解无线网络的去程链路压力;但是,考虑到能耗受限问题,如何通过资源优化来降低网络能耗并保证用户到基站的数据传输和任务处理的稳定性依然是研究的难题;针对UAV无线网络中用户向UAV基站发送数据并卸载计算任务的场景,研究了在数据传输和任务处理稳定性约束下进行无线与计算资源优化的能耗最小化问题,构建数据队列与任务队列,采用李雅普诺夫优化理论对问题进行转化和分解,获得能耗与队列的折中关系,并通过仿真分析评估了所提解决方案的有效性。

基于缓存优化的移动边缘计算资源分配策略

移动边缘计算研究中,边缘服务器通过缓存任务数据可以有效节约计算资源,但如何分配缓存资源解决边缘服务器的竞争关系,以及能耗和效益问题,达到系统性能最优是一个NP难问题。为此提出基于缓存优化的在线势博弈资源分配策略OPSCO(online potential-game strategy based on cache optimization),采用新的缓存替换策略CASCU(cache allocation strategy based on cache utility),最大化缓存的效用。通过优化边缘服务器的效益指示函数,将缓存替换代价等因素与李雅普诺夫优化、势博弈以及EWA(exponential weighting algorithm)算法结合,对边缘服务器的竞争关系建模,进行势博弈相关证明和分析。仿真结果表明,OPSCO相比于其他资源分配策略,可以明显提升任务完成率和缓存效用,并降低设备能耗和时间开销,解决了移动边缘计算在线缓存场景中的资源分配以及数据缓存问题。

基于感通算融合和信息年龄优化的车联网多节点协同感知

面向未来自动驾驶系统中的实时性业务需求(如高清地图更新),基于感知-通信-计算融合,引入信息年龄作为实时性度量,设计感通算融合的车联网多节点协同感知机制。在通信-计算资源和车辆能耗约束下,优化调度感知节点信息采集和传输处理,最小化感知信息的平均信息年龄;提出基于李雅普诺夫的在线调度算法,将复杂的长期随机优化问题转化为单时隙在线优化问题,并设计低复杂度算法求解。仿真表明,与现有仅考虑通信与计算融合的机制相比,所提机制信息实时性可提高9%~50%。

基于耦合约束解耦的虚拟电厂动态可行域求解方法

构建以新能源为主体的新型电力系统需深入挖掘需求侧灵活性资源的调度潜力,使其参与电网调度调节任务以提升电网平衡调节能力。灵活性资源的海量异构特性使其聚合可行域的求解计算复杂度提升、约束满足难度增大。该文基于顶点搜索法,建立计及分布式电源出力不确定性的虚拟电厂动态可行域求解模型,进而通过李雅普诺夫优化将求解模型内部耦合约束松弛解耦为虚拟队列稳定性问题,提出以顶点搜索与队列稳定为目标的数学模型,最终通过建立虚拟时间队列形成求解算法。所提算法通过耦合约束解耦以提高求解效率;通过满足调度能力约束以提升资源调度能力。算例结果表明,在日前与日内场景下,所提算法具备提升计算效率与约束满足能力等方面的优势。

联合冷却系统的分布式绿色数据中心能量管理

为响应可持续发展的号召,建设绿色数据中心并降低其电力消耗和二氧化碳排放成为亟需解决的问题。建立考虑冷却系统的数据中心模型,将描述数据中心电力成本、带宽成本、碳排放成本和冷却成本的成本函数转化为成本最小化问题,通过有效的工作负载调度和合理启停服务器数量降低数据中心运营成本。由于电力价格和碳排放率随时间变化,难以准确预测,利用李雅普诺夫优化框架的特点提出一种在线控制策略,该策略的优点是仅需知道系统的当前信息。提出一种交替方向乘子法(ADMM),使控制中心可以协调各数据中心之间的工作负载分配(数据中心之间只需交换工作负载决策),可有效降低计算复杂度并保护用户隐私。基于真实数据的仿真计算结果表明,提出的算法可有效降低数据中心的运营成本。

模型自由飞低时延无线传输系统设计

本文设计一种模型自由飞低时延无线传输系统。该系统以FPGA为主控制器,采用A7196与ESP32C3进行数据的无线传输。根据系统数据传输要求,采用短帧的方式发送数据,降低了传输的时延,基于李雅普诺夫方法设计了无线传输程序,保障了传输的稳定性。测试结果表明:传输系统可靠性可达99.907%,上行传输时延小于1 ms,有效实现了对自由飞模型的无线控制,代替了原有的有线电缆连接方式,简化了实验准备过程。

计及电转气技术的区域综合能源系统在线优化方法

针对含电转气技术的综合能源系统,面向供给侧储能/储气设备和需求侧暖通空调等,提出了一种基于李雅普诺夫的事件触发型在线能量优化方法。首先,考虑系统基础负荷、电价、风光发电变化量、负荷需求队列长度和用户舒适度等确立事件触发机制;在此基础上,利用无需预测的李雅普诺夫优化方法对暖通空调进行快速在线调控;最后,根据分配优先级为储能/储气设备分配剩余的新能源电量。仿真结果显示,该在线优化方法通过转移峰值电价时的负荷,能有效降低用户用电成本,提高风光消纳率。在保证用户舒适度的前提下,事件触发机制减少了调度次数,降低空调开关频率。算例分析结果验证了所提模型的合理性和有效性。

基于对偶四元数的卫星主从式编队姿轨跟踪的优化控制

在对偶四元数的框架下研究了主从式编队卫星相对姿态和相对位置跟踪控制的优化问题.首先,给出了用对偶四元数描述的编队卫星六自由度的相对运动模型.接着,把系统模型拆分为标称系统和扰动系统,对于标称系统,使用李雅普诺夫优化控制技术和轨迹跟踪优化的方法来得到非线性系统的次优解,而对于扰动系统,利用滑模控制来确保闭环系统的鲁棒性,为此把最优控制和滑模控制结合起来提出了一种优化的积分滑模控制器,并通过李雅普诺夫方法严格地证明了整个闭环系统的全局渐近稳定性.最后,通过数学仿真来验证设计方法的有效性和可行性,结果表明本文的方法能够实现编队卫星姿轨跟踪的精确控制,收敛速度较快,得到的性能指标更小,且对模型参数不确定性和外部有界干扰具有较强鲁棒性.

面向智慧养老的边缘计算卸载方法

针对边缘计算环境下任务卸载过程中,老年人健康数据任务的动态到达性和信道条件的不确定性,引发的平均时延和能耗的优化问题,本文提出一种基于李雅普诺夫优化与深度强化学习结合的在线任务计算卸载优化算法。一个多用户移动边缘计算网络中的用户任务数据随机到达,应用李雅普诺夫优化方法对任务卸载过程中的队列长度进行约束和建模,深度强化学习方法利用模型信息将输入环境参数转化为学习最优的二进制卸载动作的过程,之后对卸载动作进行准确评价,通过仿真实验证明了该组合算法优于其他深度强化学习算法,并且在优化任务卸载所用能耗的同时合理约束队列长度,有效降低了数据队列长度的积压。

铁路集装箱班列开行方案与定价综合优化研究

当前铁路集装箱班列的开行决策主要依赖决策者的主观判断,缺乏理论支撑。客户需求决定了开行方案,集装箱班列的开行方案又关系到运输时效性,而运输服务的价格和时效性又对客户需求产生影响。开行方案与定价之间互相影响,有必要对两者进行综合研究。在考虑运输网络稳定性的基础上,建立了以铁路运输企业运营收益最大为目标的混合整数规划模型。设计基于李雅普诺夫优化技术的算法,将时变网络的全局优化问题转化为一系列单一时隙优化问题,并在网络稳定性和原优化目标之间得到平衡,从理论上证明了该转化具有等价性。对于转化后的模型,运用和声搜索算法进行求解。通过算例分析验证了上述模型和算法的正确性和有效性。

基于信息年龄优化的多信道无线网络调度方法

信息年龄(AoI)是近年来针对时间敏感类应用所提出的一种描述数据交付及时性的度量标准,它是从网络中目标节点的角度出发,衡量其最新收到的数据包的新鲜程度。在信道资源受限的多信道无线网络场景中,基于信息年龄的链路调度问题需要考虑信道资源和链路冲突的约束。针对上述问题,该文提出一种逐时隙调度链路进行数据传输的调度方法,以最小化网络的平均信息年龄。该文首先将信息年龄的优化问题转化为李雅普诺夫优化问题,然后将冲突约束下的多信道分配问题转换为二分图匹配问题并采用Kuhn-Munkres(KM)算法进行求解,进而得到约束条件下的链路调度方法。仿真结果表明,所提方法有效地优化了网络中的平均信息年龄,提升了网络数据的新鲜度。