面向数据压缩的NOMA-MEC系统能耗最小化研究

该文研究基于数据压缩的非正交多址-移动边缘计算(NOMA-MEC)系统中系统能耗最小化问题。考虑到部分压缩与卸载方案和基站端计算能力有限等条件,通过联合优化各用户的任务压缩和卸载比例、发射功率以及任务压缩时间等变量,建立一个系统能耗最小化优化问题。为了求解该问题,首先推导出各用户最佳发射功率的闭式表达式。接着利用连续凸逼近(SCA)方法对原问题的非凸约束进行近似,然后提出一个基于SCA的高效迭代算法来求解原问题,从而得到该系统的最佳资源分配方案。最后借助于计算机仿真对所提出方案的性能优势进行验证,仿真结果表明相比于其他基准方案,该文所提方案能有效降低系统能耗。

电动公交客车增程器开关控制策略和等效能耗最小化策略优化

本文中旨在解决增程式电动公交客车单点恒温器能量管理策略下电量维持阶段油耗较高和锂电池组循环充放电深度较大等问题。首先对增程器开关控制策略和等效燃油消耗最小化策略(ECMS)进行优化和仿真验证,然后在增程式电动公交客车半实物仿真平台上进行了试验验证。结果表明:电量维持阶段,优化增程器开关控制策略后,增程式电动公交客车百公里油耗由原来的39. 1降至36. 23L,锂电池组循环充电系数由19. 8/100km降至13. 2/100km,分别降低了7. 3%和33. 3%,但增程器的起停次数有所增加。进一步采用优化的ECMS能量管理策略后,增程式电动公交客车百公里油耗再降至35. 22L,锂电池组循环充电系数进一步降至9. 9/100km,比原单点恒温器控制策略分别降低了9. 9%和50%。

多无人机协同陆地设施辅助移动边缘计算的系统能耗最小化方法

无人机作为移动基站辅助边缘计算可为用户设备提供广泛的服务范围和额外计算能力,本文提出一种多无人机协同陆地设施辅助边缘计算的系统.该系统将多架无人机作为移动基站,来协同多个陆地设施对移动用户提供计算卸载服务.系统分为局部计算模型、无人机计算模型、陆地设施计算模型以及无人机盘旋能耗模型.目的是优化多个无人机的位置和用户的卸载决策使得系统总体能耗最小.为求解该问题,提出一种多子群驱动的均衡优化算法.该方法基于两个子种群演化交互,集成了变异和种群重启机制,具有良好的优化能力.仿真实验表明,提出的算法能更好降低系统能耗.

无线供能反向散射通信中能耗最小化资源分配方法

针对无线供能反向散射通信网络,提出了一种满足传感设备通信需求及能量因果的专用能量站能耗最小化资源分配方法。在考虑非线性能量收集模型及不完美串行干扰消除基础上,通过联合优化专用能量站发射功率、传感设备反向散射通信时间、反向散射系数及其能量收集时间,构建了一个专用能量站能耗最小化的非凸多维资源分配问题。首先,构建辅助变量对反向散射系数与时间进行解耦,再利用目标函数是关于专用能量站发射功率的单调递减函数这一特性来设计一种基于二分法的迭代算法来获取原问题的最优解。仿真验证了所提算法的快速收敛性,同时,与同类算法相比,所提方法可为专用能量站节约更多的能量。

平均服务器温度约束下的数据中心能耗最小化控制算法

近几年来,互联网数据中心的能耗问题已成为业界关注的热点。已有的研究工作多数致力于仅降低服务器系统的能耗而忽略机房空调(CRAC)系统的能耗,或没有考虑到服务质量(Qo S)约束和服务器CPU温度约束。研究了满足Qo S和服务器CPU平均温度约束的数据中心能耗最小化问题,提出了基于李雅普诺夫优化理论的能耗最小化算法,以降低数据中心的总能耗。通过构建系统模型,使用数据中心真实工作负载数据对算法性能进行评价,表明该算法可以实现数据中心服务器能耗和CRAC能耗总和的最小化。

优化能耗的可变电压禁忌任务调度算法

能耗是影响异构式并行和分布式系统性能的一个重要因素,动态电压缩放(DVS)技术通过将处理器降低到不同频率来达到有效地节约能耗的目标。通常DVS技术包含任务调度及空闲时间片分配两阶段。当前绝大部分研究均针对时间片分配阶段,而在此考虑的是任务分配与空闲时间片间的关系。为了降低异构分布式系统的能耗,提出了一个利用禁忌(Tabu)策略进行调度的DVS算法。此算法首先调度用有向无环图(DAG)表示的任务集到处理器上,再应用禁忌策略来改进它,通过禁止任务再调度到特定处理器,从而增加时间片,分配阶段可用的空闲时间片达到进一步减少能耗的目标。仿真结果表明,本算法能有效地减少计算机系统的能耗。

基于仿真的能量最小化探索

文章介绍了用仿真来优化系统的方法。以对芯片的能量消耗最小化为实例,并使用实验步骤和实验结果来说明使用仿真来优化系统的方法。

关节驱动系统非线性摩擦最小能耗分析

节能降耗是现代工业生产的普遍需要。针对直流电机和减速齿轮驱动下的机械臂关节,详细论述了非线性摩擦最小能耗的分析和计算方法。在PTP位置控制系统中,耗散能量的最小化取决于最佳穿越时间。仿真和实验的结果证明了这一结论。

考虑能耗节约的集装箱码头装卸设备集成调度

针对自动化集装箱码头中岸桥与人工智能运输机器人(ART)的集成调度问题,依据作业阶段将设备能耗划分成多个表现形式,构建以最小化岸桥和ART的总能耗为目标的整数规划模型。为提高求解质量,提出一种具有重组变异和随机扰动的自适应粒子群算法。根据不同时期的搜索需求,对惯性权重实行自适应调整;并引入随机粒子增强个体的交互能力,结合迭代进程对最优粒子实施不定维更新,为其摆脱局部困境提供更多机会。最后,以天津港北疆C段自动化集装箱码头为研究背景设计了不同规模算例,将改进算法与GUROBI求解器以及其他算法进行比较,验证了模型和算法的有效性。结果表明,随着岸桥和ART的配置数量逐渐增加,作业进程加快,码头总能耗分别呈现降低和先降后升的趋势;此外,相比于传统的调度模型,所提方法能够在较短的完工时间里节约更多的作业能耗。

混合概率信道下的全双工无人机中继轨迹优化

研究了固定翼无人机作为全双工移动中继,通过混合概率信道为源节点向目标节点转发数据的飞行轨迹优化设计,在满足源与目标通信任务量要求的情况下,最小化无人机飞行能耗。建立了跑道形和混合轨迹的两种最优化问题,该问题是非凸问题,难以求得闭式解,先将混合信道增益用平均信道增益代替,并利用泰勒展开求出中继和目标节点接收数据量的下界,以此化简约束,从而得到原问题的近似问题。利用遗传算法和内点法求解近似问题,给出跑道形和混合轨迹两种无人机轨迹设计。实验结果表明:跑道形轨迹在任何场景下均有较好的节能效果;在大任务量和源与目标距离较远时,混合轨迹节能效果好于直线和圆形轨迹。时间复杂度分析发现,遗传算法的复杂度小于内点法,更加适用于实时性要求高的场景。

分析限界算法在企业动力系统优化中的应用

优化决策对于任何一个企业动力系统来说都是必要的。炼油厂蒸汽供应系统的优化问题是一个复杂的混合0-1整数线性规划问题:Z=CX,将Z转换为系列辅助约束关系(之和)后,可直接运用分支限界算法(结合反向搜索法)进行优化并分析,得到全局最优决策,这种方法对其他企业动力系统的优化同样适用。

无人机空对地通信中的联合轨迹优化和功率控制

研究部署无人机与固定地面终端(GT)通信,无人机需要完成特定的任务,即从地面终端收集预定数量的数据。文中研究了一种圆形轨迹的无人机信息采集系统,联合考虑系统的能耗和任务完成时间。由于地面终端的通信能量消耗与无人机的飞行推进能量消耗之间存在博弈关系,需要设计合适的基于能量考量和任务需求的飞行策略。通过联合二分法和循环迭代的方法,分别得到了系统的能量消耗最小和地面终端的能耗最小两种飞行方案。此外,对应的最佳飞行半径和最佳瞬时传输功率也一并给出。最后,给出了数值结果以验证所提方案的性能,仿真结果表明,当传输功率和飞行半径取得最佳值时,无人机与地面终端系统将实现最佳性能和最小完成时间,同时系统的总能耗和GT的传输功耗也最小。

基于大数据分析的船舶通信网络优化研究

网络优化是提高船舶通信系统工作性能的重要方法,针对当前船舶通信网络优化存在工作效率低,节点能量消耗大等缺点,设计基于大数据分析的船舶通信网络优化方法。首先以数据传输能量最小为目标建立船舶通信网络优化的数学模型,然后将船舶通信网络优化问题看作为一个大数据分析处理,通过云平台对数学模型进行并行求解,每一个子任务组合模型对数据传输能耗进行预测,选择能耗最小路由进行数据传输,最后进行船舶通信网络优化方法性能的仿真测试。测试结果表明,本文可以有效对船舶通信网络进行优化,提高了船舶通信系统的数据传输速度和成功率,具有十分广泛的应用前景。

基于DP-ECMS的插电式混合动力城市客车能量管理策略研究

以一款气-电型插电式混合动力城市客车(PHEV)为研究对象,针对能量管理中的最小能耗问题分别应用电量消耗-电量维持(CD-CS)策略、动态规划(DP)、等效能耗最小化策略(ECMS)和自适应等效能耗最小化策略(A-ECMS)进行中国典型城市工况仿真。在对上述几种能量管理策略仿真结果分析的基础上,提出一种将动态规划与等效能耗最小化策略相结合的DP-ECMS策略。结果表明:DP-ECMS的能耗特性接近动态规划,同时具有等效能耗最小化策略的实时性特点,为PHEV的能量管理提供了参考。

线性加速比并行实时任务的节能研究

节能设计是嵌入式实时系统中一个重要的研究方向.目前的研究大多采用串行任务模型,很少关注并行任务.文中研究了在离散工作模式与实时约束下,多核平台下的线性加速比并行实时任务的能耗最小化问题.文中假设所有处理器核都支持DVS技术且加速比是线性的,在此条件下,文中首先给出一个定理证明了当各任务执行在系统全部核上时系统能耗最小.然后,将问题建模为一个0-1整数线性规划,利用最早截止期优先算法确定任务调度,并给出了两个高效的节能算法确定各任务的工作频率.文中最后通过大量的模拟实验,证明提出的算法的效果显著,可以达到几乎与最优解相同的节能效果.

移动云环境下高能效的移动终端计算迁移策略

针对移动应用需要消耗大量计算资源和能量,迫切需要能够改进移动终端计算性能和电池续航能力的新技术,面向长期演进应用,提出一种移动云环境下高能效的移动终端计算迁移策略.该策略以移动终端发射功率和中央处理器计算速度为约束条件,通过分析应用程序的需求、移动终端计算能力及无线信道状态,优化移动终端的发射功率和应用程序对中央处理器计算资源的占用,合理实施计算迁移,达到移动终端能耗最小化的目标.仿真结果表明,该策略能够有效节省移动终端的能耗,而且基本不会带来附加的时间延迟.

基于硬件损伤的MIMO异构网络波束成形算法

由于多输入多输出(MIMO)异构网络能够提高系统容量和实现更多的用户接入,因此受到了学术界和工业界的广泛关注,从而成为下一代通信系统的关键技术之一。然而,由于放大器非线性、相位噪声和I/Q不均衡等因素的影响,这类硬件损伤成为制约当前MIMO异构网络波束成形性能进一步提升的瓶颈。为了解决该问题,该文提前将硬件损伤考虑到MIMO异构网络波束成形算法设计当中。首先,考虑了每个基站的最大发射功率约束和每个用户的最小信干噪比约束,建立了一个含硬件损伤参数的系统总能耗最小的资源优化问题。其次,利用等价变换和半正定松弛方法,将原非凸问题转化为凸优化问题进行求解。仿真结果表明,与完美硬件条件下的波束成形算法对比,所提算法具有较好的抗硬件损伤能力和较低的中断概率。

雾辅助物联网中公平节能的计算迁移

为了构建绿色且长生命周期的物联网,本文提出了一种雾辅助的公平节能物联网计算迁移方案.首先,基于雾节点计算能力、带宽资源以及融合雾节点能耗公平性的迁移决策的联合考量,构建了一个最小化所有任务完成总能耗的优化问题.其次,提出了基于动量梯度和坐标协同下降的公平性能耗最小化算法用于解决上述混合整数非线性规划问题.该算法基于雾节点的历史平均能耗、距离、计算能力以及剩余能量值设计了公平性指标以获得对于雾节点能耗公平性最优的迁移决策;通过提出的动量梯度与坐标协同下降法,联合优化雾节点分配给各个任务的计算及带宽资源占比,达到最小化任务处理总能耗.最后,仿真结果表明本文方案能够取得较快的收敛速度,且与随机选择和贪婪任务迁移方案两种基准方案相比,本文方案的总能耗最低,雾节点的能耗公平性最高,且网络寿命分别平均提高了23.6%和31.2%.进一步地,该方案在不同雾节点数量以及不同任务大小的环境下仍然能够保持性能优势,体现了方案鲁棒性高的特点.

基于在线双边拍卖的分层联邦学习激励机制

在分层联邦学习中,能量受限的移动设备参与模型训练会消耗自身资源。为了降低移动设备的能耗,文中在不超过分层联邦学习的最大容忍时间下,提出了移动设备能耗之和最小化问题。不同训练轮次的边缘服务器能够选择不同的移动设备,移动设备也能够为不同的边缘服务器并发训练模型,因此文中基于在线双边拍卖机制提出了ODAM-DS算法。基于最优停止理论,支持边缘服务器在合适的时刻选择移动设备,使得移动设备的平均能耗最小,然后对提出的在线双边拍卖机制进行理论分析,证明其满足激励相容性、个体理性、弱预算均衡约束等特性。模拟实验的结果证明,ODAM-DS算法产生的能耗比已有的HFEL算法平均降低了19.04%。

基于无线能量传输的移动边缘计算联合资源分配

针对时分双工正交频分多址无线传能使能移动边缘计算网络,研究联合多用户信道分配、上下行时间分配与功率控制以最小化系统能耗问题。由于所建模优化问题为混合整数非线性规划非凸问题,提出启发式信道分配算法与给定信道分配下的次优联合功率与上下行时间比例分割算法,并对算法性能进行仿真分析,验证了所提算法的有效性与相对于参考算法的性能增益。