基于多目标深度强化学习的车车通信无线资源分配算法

针对车联网动态不确定特性、业务类型多元化以及无线通信资源稀缺性,研究了蜂窝车联网车与网络(vehicle-to-network,V2N)和车与车(vehicle-to-vehicle,V2V)链路共存且共享频谱场景下保证业务多指标需求和无线资源有效利用的问题.首先建立多目标优化问题模型来表示蜂窝车联网信道选择和功率控制的决策过程,该问题考虑了网络环境动态变化的影响,旨在实现优化目标V2V链路的性能(即信息年龄、延迟以及传输速率)和V2N链路传输速率之间的权衡.在此基础上,提出了基于多目标深度强化学习的车车通信无线资源分配算法进行神经网络训练和问题求解.通过训练好的神经网络模型可以得到多目标优化问题的帕累托前沿.仿真实验表明,所提出算法能够有效地权衡不同通信链路可实现的性能.与4种有代表性的算法比较,V2V链路信息年龄降低12.0%~17.2%,V2N链路传输速率提升11.4%~21.6%,V2V链路传输成功率提高4.6~13.91个百分点,决策延迟时间降低10.6%~20.3%.

面向组播的动态虚拟网络功能放置算法

组播在支持日益增长的多媒体应用方面具有广阔的应用前景,面向组播的虚拟网络功能放置是网络功能虚拟化中不可避免的研究趋势.然而,对于该问题的大多数研究都聚焦于静态网络环境,难以应对网络中的各种资源随着时间动态变化,组播服务功能链(Service Function Chaining,SFC)请求动态到达的真实场景.本文提出一种基于组播SFC请求预测的足球联赛竞争算法,以Informer模型为基础,预测即将到达的组播SFC请求.基于足球联赛竞争的组播虚拟网络功能放置算法,设计多维个体编码策略,一次性求解所有活动组播组的SFC映射方案,提前部署预测的请求.针对预测结果与真实结果不一致的情况,提出一种由正向搜索与反向搜索组成的快速修复策略以完成对请求的快速响应.仿真结果表明,对比其它两种预测模型,Informer在组播SFC请求预测上取得了更低的均方误差与平均绝对误差.此外,与七种经典的启发式算法和深度强化学习算法相比,提出的算法在端到端时延和计算资源消耗方面达到更优性能的同时,取得了更低的组播SFC请求响应时间.

乡镇企业管理节能模式及运行

<正> 乡镇工业节能历来是个薄弱环节。为此,国家农牧渔业部在“七五”规划中,选择了乡镇企业发展迅速而能源供应短缺比较典型的江苏省如皋县作为乡镇工业节能试点县之一。节能试点四年来(1986～1989),万元产值从1985年的4.26t标煤/万元下降到1989年的2.08t标煤/万元,下降了2.18t标煤/万元。4年乡镇工业面上累计节油6800t,节电87300×10~4kWh。

多约束条件下智能优化风电场微观选址方法的探究

文中从微观选址的角度及基于CFD计算和多约束条件下智能优化风电场微观选址的方法,对风电场发电量存在不足的情况进行分析,并建立相应的数学模型,通过优化进行微观选址及实践验证。仿真结果表明,此方法在进行微观选址的过程中,可以通过风机位置的优化,得到优化的风能密度高值的点,从而减少尾流损失,提高风机发电量。

玻璃熔窑余热发电应用和节能分析

针对本单位近几年完成余热发电机组设计项目案例,分别从余热发电主要系统、机炉选型和节能经济运行等方面进行分析,从实际改造投运的余热发电机组看,各个项目都取得了较好的经济效益、环保效益和社会效益,对玻璃熔窑生产企业节能降耗,降低生产成本,实现企业可持续发展起到了积极的推动作用。

熔炼炉及浇注场采用低悬罩排气装置

本文详述了熔炼炉和大空间浇注场地采用低悬罩的设计计算方法和系统特点。投运后的系统有效地排放熔炼和浇注过程的烟尘、有毒气体以及树脂热性焦味，大大改善了车间环境，同时具有操作简便、灵活和节能等特点。

乡镇缫丝厂热能的合理利用

通过某乡镇缫丝厂热能利用的调研和测试。说明目前乡镇缫丝行业用能的不合理性;提出了按能级用能、合理热力系统的方法和途径,论证以一台(4吨/时、1.30兆帕,320℃)锅炉配(150千瓦)背压汽轮发电机组热电联产新方法在同行业内实施的可行性。

基于深度强化学习的卫星动态任务实时调度时效性优化方法

随着全球卫星数量的快速增长和天基网络的蓬勃发展,优化卫星任务调度以确保任务观测时效性变得至关重要.任务调度方法不仅影响观测数据采集的效率,还直接关系到天基信息系统能否及时响应多种实时应用需求.然而,针对非周期动态任务,传统批处理调度方法存在局限性,需收集完所有任务信息后才能作出决策,而现有基于深度强化学习的实时调度方法也无法保证紧急任务的观测时效性.鉴于此,本文首次提出了“时效性优化的敏捷卫星动态任务实时调度”问题,该问题定义任务观测时效性指标,综合考虑任务观测延迟和接收任务的总收益,以最大化所有任务观测时效性.为了求解该问题,设计了两阶段时效性优化算法PPODL-HR.在任务选择阶段,提出了基于深度神经网络和长短期记忆网络的近端策略优化以加快模型的收敛速度;在资源分配阶段,设计了启发式规则,通过任务合并进一步降低任务切换所需的卫星转换时间.通过数值仿真和STK仿真验证,PPODL-HR算法在任务观测时效性方面优于传统的静态批处理调度和现有的动态任务实时调度算法,且适用于不同任务密度和不同紧急性任务占比的情况.特别地,与经典的动态任务实时调度算法相比,任务观测时效性提高了21.14%,任务观测延迟降低了4.55%,接收任务的总收益增加了20.70%.