多用户MIMO-MEC网络中基于APSO的任务卸载研究

在移动边缘计算(Mobile Edge Computing,MEC)系统中引入多输入多输出(Multiple Input Multiple Output,MIMO)技术与数据压缩技术,能够降低数据冗余度和提高数据传输速率,从而降低任务的执行时延与能耗。针对具备数据压缩功能的多用户MIMO-MEC网络,研究了多用户任务卸载问题。通过联合优化任务卸载比例、数据压缩比例、发送功率、计算频率和信道带宽,来最小化系统总时延。在能耗、功率和带宽等约束条件下,将任务卸载归纳为一个非凸优化问题。由于能耗约束较为复杂,构造罚函数将其归并,得到一个相对简单的等价问题。将所有优化变量视为一个粒子,基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)框架提出多用户的任务卸载方法。由于粒子更新时可能违反约束条件,提出的方法对粒子越界的情形进行了特别处理。该方法能自适应地调整惯性权重来提高寻优能力和收敛性,通过不断迭代最终获得最优或者次优解。仿真实验评估了所提卸载方法的性能,分析了用户数、任务计算强度等参数对系统性能的影响。结果表明,提出的方法优于本地计算、传统粒子群优化(Particle Swarm Optimization,PSO)算法等对比方案,能够有效降低系统的任务执行时延。

一种基于多波束转换天线的WSNs跨层集成协议

针对无线传感器网络中(WSNs)随Sink节点位置移动带来的网络连通、能耗等问题,提出一种采用多波束转换天线的跨层集成协议(IMRPSB),协议充分利用了多波束转换天线优势,并将MAC层与路由层层间融合。利用移动Sink节点场景模型进行仿真,结果表明:IMRPSB在保证网络连通性的同时,提高了网络的寿命,增强了网络性能。