边缘协作环境下最小化完工时间任务调度方法

由于用户地理位置分布不均可能导致边缘服务器负载不均衡,难以为用户提供满意的服务质量。此外,边缘服务器可用资源有限,一些大任务可能难以全部卸载到边缘服务器。针对以上问题,利用多个边缘服务器之间的协作,结合任务部分卸载方式,提出一种边缘协作环境下最小化完工时间的任务调度方法。首先,结合边缘水平协作和任务部分卸载技术,考虑多用户多边缘服务器场景下用户和边缘服务器的位置关系,以最小化任务完工时间为目标,建立任务部分卸载调度模型;其次,提出基于改进分组教学优化算法的任务调度算法,联合优化边缘服务器计算资源分配、用户-边缘服务器关联决策、任务卸载比例以及执行位置决策,以最小化任务完工时间为目标,实现边缘计算环境下任务的高效调度;最后,通过实验将提出的任务调度算法与其他算法在多个指标下进行对比。实验结果表明,所提方法能够有效降低任务完工时间。

基于特征相似性和杰卡德中值理论的学习路径推荐方法

新高考改革使得越来越多的高校从专业招生向大类招生迈进。相关研究指出,学生在专业分流选择时存在盲目性。如何解决由专业选择不平衡问题所导致的“冷门专业过冷,热门专业过热”的局面,成为大类培养模式面临的核心难题。文中提出了一种结合特征相似性和杰卡德中值理论的学习路径推荐方法CFSJM,旨在为学生在选择专业时提供方向导航和学习路径推荐。该方法利用图嵌入模型Node2vec学习学生与知识点之间的交互,以获取学生节点的特征表示。通过训练线性回归模型预测学生的专业方向,并根据特征相似性生成学习路径候选集,进而引入杰卡德中值理论生成学习路径。实验结果表明,CFSJM方法在大类招生模式下的线下教学数据中的准确率优于现有方法,为充分发挥大类招生在培养创新型人才和提升高校办学质量方面的优势提供了新的思路。

面向边缘计算平台的半线上任务动态调度方法

当边缘计算平台中存在已知和未知性能的计算节点时,这一场景下的任务调度称为半线上任务调度。由于未知性能节点的影响,一般任务调度方法可能导致任务执行时间或传输时间过长,使得边缘计算平台高能耗的问题更加突出。针对此问题,以能耗优化为目标,提出了一种面向边缘计算平台的半线上任务动态调度方法。首先,考虑边缘计算平台中能耗的主要影响因素,从边缘节点的处理速度、路由延迟和队列长度三个角度,引入边缘节点的任务执行能耗、任务传输能耗和空闲能耗,建立了面向能耗优化的边缘计算平台任务调度模型;其次,对于边缘计算平台中的未知性能节点,先将其性能假设为某个已知节点,形成未知-已知节点之间的映射关系,再不断感知映射双方的任务队列长度来动态调整映射关系,充分利用已有先验知识,提出了一种基于动态映射的半线上任务调度算法,实现能耗优化;最后,在CloudSim平台完成对比试验。实验结果表明,所提方法相较其他方法能有效地降低边缘计算平台的能耗。

流行度感知的无线视频云边缓存策略研究

移动边缘缓存技术将视频缓存在离用户更近的边缘服务器,从而为用户提供更加便捷的服务。目前的视频缓存方法主要基于整体的视频流行度,忽视了视频流行度在时空上的差异,未能充分利用边缘服务器的广地域分布特性,影响云边环境下视频缓存的效果。针对此问题,笔者提出了基于流行度感知的无线视频云边缓存策略。首先,基于分布式协作的云边架构,考虑视频流行度在时空上的差异性,并结合视频分片及视频片段流行度,以最小化所有用户请求视频的平均时延和最大化用户请求视频的缓存总命中率为目标,建立云边视频缓存模型。其次,针对边缘服务器有限的计算资源和缓存资源,提出一种基于全局价值评估的缓存策略,将某一视频片段满足用户请求的能力表示为缓存价值,同时引入缓存价值惩罚机制,动态完成缓存内容的价值评估,实现视频片段高效缓存。最后,通过仿真实验证明所提出的策略能够显著地降低平均传输时延和回程流量负载,提高缓存资源的命中率。