根据用户的个性化需求向用户推荐物料清单是实现按订单配置的有效途径。由于涉及的物料较多,用户关注的目标也较多,电子产品的CTO(Configure To Order)订单推荐面临挑战。以功能定位目标贴近度、功耗和成本为优化目标,将电子产品的CTO...根据用户的个性化需求向用户推荐物料清单是实现按订单配置的有效途径。由于涉及的物料较多,用户关注的目标也较多,电子产品的CTO(Configure To Order)订单推荐面临挑战。以功能定位目标贴近度、功耗和成本为优化目标,将电子产品的CTO订单推荐建模为一个多目标优化问题,采用NSGAⅡ获取Pareto非支配集,基于用户权重对非支配集排序,得到若干推荐订单。与单目标优化方法相比,多目标优化可以快速适应用户对权重的动态调整,也可以一次推荐多个备选订单。仿真实验证明了该算法推荐的优越性和具有较强的鲁棒性。展开更多
AoI(Age of Information)是衡量数据新鲜度的性能指标。针对现有的AoI感知调度算法大多以最小化AoI为目标,而忽略了可能存在的样本挤压问题,提出一种基于贪心策略的算法。采用对于信息传输时间敏感的物联网系统,进行周期性采样。通过建...AoI(Age of Information)是衡量数据新鲜度的性能指标。针对现有的AoI感知调度算法大多以最小化AoI为目标,而忽略了可能存在的样本挤压问题,提出一种基于贪心策略的算法。采用对于信息传输时间敏感的物联网系统,进行周期性采样。通过建立AoI及样本挤压模型,分析调度算法对它们的影响的基础上,设计算法同时兼顾长期平均AoI及样本挤压两个目标。仿真分析表明,与现有算法相比,在带宽受限时,上述算法可以有效缓解样本挤压现象,也能获得更好的长期平均AoI。展开更多
文摘根据用户的个性化需求向用户推荐物料清单是实现按订单配置的有效途径。由于涉及的物料较多,用户关注的目标也较多,电子产品的CTO(Configure To Order)订单推荐面临挑战。以功能定位目标贴近度、功耗和成本为优化目标,将电子产品的CTO订单推荐建模为一个多目标优化问题,采用NSGAⅡ获取Pareto非支配集,基于用户权重对非支配集排序,得到若干推荐订单。与单目标优化方法相比,多目标优化可以快速适应用户对权重的动态调整,也可以一次推荐多个备选订单。仿真实验证明了该算法推荐的优越性和具有较强的鲁棒性。
文摘AoI(Age of Information)是衡量数据新鲜度的性能指标。针对现有的AoI感知调度算法大多以最小化AoI为目标,而忽略了可能存在的样本挤压问题,提出一种基于贪心策略的算法。采用对于信息传输时间敏感的物联网系统,进行周期性采样。通过建立AoI及样本挤压模型,分析调度算法对它们的影响的基础上,设计算法同时兼顾长期平均AoI及样本挤压两个目标。仿真分析表明,与现有算法相比,在带宽受限时,上述算法可以有效缓解样本挤压现象,也能获得更好的长期平均AoI。