云雾混合网络下基于多智能体架构的资源分配及卸载决策研究

针对D2D辅助的云雾混合架构下资源分配及任务卸载决策优化问题,该文提出一种基于多智能体架构深度强化学习的资源分配及卸载决策算法。首先,该算法考虑激励约束、能量约束以及网络资源约束,联合优化无线资源分配、计算资源分配以及卸载决策,建立了最大化系统总用户体验质量(QoE)的随机优化模型,并进一步将其转化为MDP问题。其次,该算法将原MDP问题进行因式分解,并建立马尔可夫博弈模型。然后,基于行动者-评判家(AC)算法提出一种集中式训练、分布式执行机制。在集中式训练过程中,多智能体通过协作获取全局信息,实现资源分配及任务卸载决策策略优化,在训练过程结束后,各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。最后,仿真结果表明,该算法可以有效提升用户QoE,并降低了时延及能耗。

物联网低时延云雾混合网络负载均衡策略

为减少IoT中负载均衡时带来的服务时延,提出一种面向IoT的低时延云雾混合网络架构及其负载均衡策略。构建云雾混合网络,将物联网设备的有限功能要求应用程序合理分配到云和雾计算中;将物联网服务请求的均衡建模成一个优化问题,最小化服务请求的总时延,设计相应的约束条件;利用改进的蝙蝠算法(BA)求解云雾网络负载均衡优化问题,将每个边缘终端分配到距离最近的雾设备上,合理分配云雾计算资源,实现服务总时延最小。基于离散事件仿真器构建仿真模型对所提策略进行实验测试,结果表明相比于其它策略,所提策略的总时延降低了20%以上。

不同湿度下的云雾-不饱和空气湍流混合实验研究

本实验设计建造了一个80×80×100cm3的室内云雾腔,对不同环境湿度下的云雾-不饱和空气混合过程的湍流特征进行了实验研究,利用PIV技术,获得了混合过程中的速度场,得到了湍动能、脉动速度二阶结构函数、泰勒微尺度等物理量。结果表明:该实验测得的湍流泰勒微尺度为mm量级;云雾-不饱和空气混合过程的脉动速度场表现出明显的各向异性,随着不饱和环境湿度的增加脉动速度概率密度函数在尾部越来越偏离标准高斯分布;横向结构函数和纵向结构函数比值明显偏离基于均匀各向同性湍流的理论值。