基于改进NSGA-Ⅲ的D2D协同MEC多目标优化研究

在当前的移动边缘计算(Mobile Edge Computing,MEC)模型中,由于任务是直接上传到MEC服务器执行,存在边缘服务器的计算压力大、空闲移动设备上的资源未得到充分利用等问题。使用边缘网络中的空闲设备进行协同计算,能够实现用户闲置资源的合理利用,增强MEC的计算能力。因此,提出了一种利用终端直通(Device-to-Device,D2D)进行协同计算的部分卸载MEC模型(D2D Collaborative MEC for Partial Offloading,DCM-PO)。在该模型中,除本地计算和MEC服务器计算外,还能将部分任务上传到空闲D2D设备进行辅助计算。首先,以最小化边缘网络的时延、能耗和费用为目标建立多目标优化问题。然后,在多染色体混合编码、自适应交叉率和变异率等方面对基于参考点的非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅢ,NSGA-Ⅲ)进行改进,使之适合DCM-PO模型中的多目标优化问题求解。最后,仿真结果表明,相比基准MEC模型,DCM-PO模型在多项性能指标上有明显优势。

基于SAC的多服务移动边缘计算中任务卸载和资源配置算法

多服务移动边缘计算网络环境中的不同服务的缓存要求、受欢迎程度、计算要求以及从用户传输到边缘服务器的数据量是随时间变化的。如何在资源有限的边缘服务器中调整总服务类型的缓存子集,并确定任务卸载目的地和资源分配决策,以获得最佳的系统整体性能是一个具有挑战性的问题。为了解决这一难题,首先将优化问题转换为马尔可夫决策过程,然后提出了一种基于软演员—评论家(soft actor-critic, SAC)的深度强化学习算法来同时确定服务缓存和任务卸载的离散决策以及上下带宽和计算资源的连续分配决策。算法采用了将多个连续动作输出转换为离散的动作选择的有效技巧,以应对连续—离散混合行动空间所带来的关键设计挑战,提高算法决策的准确性。此外,算法集成了一个高效的奖励函数,增加辅助奖励项来提高资源利用率。广泛的数值结果表明,与其他基线算法相比,提出的算法在有地减少任务的长期平均完成延迟的同时也具有良好的稳定性。

基于二进制序列的属性访问控制策略检索方法

在基于属性访问控制策略中,如何快速响应检索的访问控制请求至关重要,而通过遍历策略集合每条规则中的所有属性值去匹配相应规则的检索方法是低效的。提出一种基于二进制序列的属性访问控制策略检索方法,采用二进制标志和二进制编码表示基于属性的访问控制策略和访问控制请求,通过对二进制标志的逻辑运算选择合适的分组,在组内,通过访问控制请求的二进制编码和所有规则的二进制编码的匹配来查找合适的规则,减少策略集合内规则的属性与访问控制请求属性匹配的过程,从而提高策略检索效率。在实验中从策略预处理、策略评估时间和策略检索总时间三个方面类比相似检索方法的效率,实验结果表明,提出的策略检索方法具有更高的检索效率。

移动云计算中一种虚拟机迁移的预拷贝传输策略研究

针对移动云计算中虚拟机迁移过程的性能优化问题,提出了一种基于最优停止理论的预拷贝传输策略。该策略通过最优停止理论对寻找最优传输速率的最优停止模型求解,从而获得最优传输速率,由此来减少虚拟机迁移过程中的迁移数据总量和总时间。在仿真实验中,将所提出的传输策略与相关文献的传输策略进行对比,给出不同传输策略的性能结果分析。实验结果表明,所提出的策略具有较少的迁移数据总量和总时间,能有效地提高迁移过程的性能。

外掺硅灰等活性材料在低温喷射混凝土和钢管拱压注混凝土中的应用研究

低温环境下喷射混凝土施工存在粘附性不强、回弹率高、强度增长缓慢等问题,在黄柏岭隧道等洞口高陡边坡及进洞段冬期施工中研究试用了外掺硅灰、钢纤维混泥土技术措施,解决了这一施工难题;在洛河大桥钢管拱C50自密实混凝土压注中应用了硅灰、粉煤灰、膨胀剂等活性材料,取得了较好效果,本文对其应用研究情况作一简要介绍,供参考。

Probabilistic Analysis on Connectivity for Sensor Grids with Unreliable Nodes

This paper mainly investigates the connectivity of the unreliable sensor grid network. We consider an unreliable sensor grid network with mn nodes placed in a certain planar area A, and we assume that each node has independent failure probability p and has the same transmission range R. This paper presents a new method for calculating the connectivity probability of the network, which uses thorough mathematical methods to derive the relationship among the network connectivity probability, the probability that a node is ＂failed＂ （not active）, the numbers of node, and the node＇s transmission range in unreliable sensor networks. Our approach is more useful and efficient for given problem and conditions. Such as the numerical calculating results indicate that, for a 100×100 size sensot network, if node failure probability is bounded 0.5%, even if the transmission range is small （such as R = 10）, we can still maintain very high connectivity probability （reach 95.8%）. On the other hand, the simulation results show that building high connectivity probability is entirely possible on unreliable sensor grid networks.