一种基于P2P点组技术的流媒体协作计算

分析了流媒体技术的现状和问题,讨论了在P2P环境下的流媒体多点分布式调度技术和调度性能分析,以及多点调度下的带宽分配算法,最后给出了一个基于P2P点组的流媒体协作调度模型。

基于通用计算的GPU-CPU协作计算模式研究

依据GPU计算特点和任务划分的特点,提出一种类似主从模型的GPU-CPU协作计算的处理模式,通过把问题或算法划分成多子任务,并对划分的子任务给出合理的调度算法,使GPU和CPU各自发挥特点,从而发挥较高效率的GPU通用计算能力,通过测试验证该协作模式是有效的.

基于二阶段调度和Web服务的协作计算模式

对面向服务的协作计算和资源调度机制进行了分析,根据网络资源的区域密集特性,提出了二阶段的调度策略和区域主机的竞选策略和算法。这种优化使得在大学校园、社区等密集地区的分布式计算能力和效率得到较大的提高。同时给出了基于服务和二阶段调度的2PSM模型。

低轨卫星网络中业务图驱动的星间协作计算方案

低轨卫星网络具备覆盖范围广、星地链路短等优点,成为当前的热点研究领域。针对将业务卸载到云计算中心产生过高传输时延的问题,提出在低轨卫星网络中实现业务图驱动的星间协作计算方法。该方法首先依托加权时间扩展图模型,屏蔽低轨卫星网络的动态性;之后联合多颗卫星的计算资源和星间链路资源,将有向无环图形式的业务调度到传输路径内的卫星上,实现业务在低轨卫星网络内的“边传输边计算”。仿真结果表明,当数据量取5 MB时,星间协同计算的时延性能相比地面云计算提高了58.9%。

虚拟 开放 创新 奏响协作计算新乐章——IBM系统与科技事业部发布新战略

1997年,IBM发布电子商务战略。3年之后,IBM整合原有产品线,推出了eServer和TotalStorage两大产品系列;2002年,IBM发布随需应变战略。2005年,IBM系统与科技事业部又迎来了第二次转型,从eServer到System。

基于蚁群优化算法的移动边缘协作计算

针对用户集聚效应所造成的单个移动边缘计算(MEC)服务器负载过重的问题,本文提出了一个多MEC服务器协作计算框架,面向任务并发场景,基于任务的传输时间和计算时间消耗,建立了任务总处理时间最小化的目标函数,并提出一种定制的最大最小蚁群系统算法(CMMAS),实现了目标函数的优化,缓解了MEC服务器之间负载的不公平性,从而充分利用全局的计算资源。仿真结果表明,相比较其它算法,所提出的CMMAS算法任务总体时延最小,成功卸载率最高,且与贪婪算法相比,CMMAS算法避免了陷入局部最优。

无线供能协作计算网络中的时延最小化资源分配方案

在单专用能量站为多个用户无线供能的场景下,为缩短任务处理时延,设计了一种新型多用户协作计算方案。建立了关于匹配决策和资源分配的优化问题,在用户间一对一匹配情况下提出了一种基于交替优化和匈牙利算法的高性能求解方案和一种基于重构线性化方法的低复杂度求解方案;针对一对多匹配情况提出了一种改进的贪婪算法。实验结果表明,在用户间一对一匹配时所提方案能够较对比方案降低最多12.6%的任务处理时延;一对多匹配情况下所提方案节省了5%的任务处理时延,即所提方案能有效保障用户端的时延需求。

IBM：协作计算领航者

不要只把IBM系统与科技事业部简单地理解为存储和服务器产品的提供者。事实上，这个部门可以解决您基础架构建设所面临的一切问题。

协作计算环境 企业必由之路

当今,许多组织正在实施一种协作计算或可视化会议环境。协作系统已逐渐地显出其成本合算性,这种较低带宽的协作解决方案使用户在台式会议化环境中达到协同地改进技术,并且在需要之时可以向更全系列的会议化能力提供一致的升级。

计算机支持协作学习研究方法的文献综述

计算机支持协作学习(CSCL)被认为是一种提高学生学习的现代教学模式。但是,关于CSCL中研究方法的种类以及研究方法如何开展研究还没有系统的综述。因此,基于已有研究,文章将CSCL中的研究层次分为事件和交互层次,从定量、定性以及混合方法三个角度出发,综述CSCL中相对应的研究方法以及研究方法的使用。研究发现,定量方法包括量化内容分析方法、滞后序列分析方法;定性方法包括定性内容分析方法、会话分析方法;以及目前的新型研究方法如社会网络分析法。文章旨在帮助人们理解在CSCL中如何进行研究与分析。

信息交换——协作计算的基础设施

一、信息交换及其分类 在当今瞬息万变的信息时代,一个企业的成功需要有一个良好的协作计算环境。协作计算就是在群体之间协作进行信息处理,协作计算不再局限于个人或部门内部,而是在整个企业或跨企业之间进行。协作计算所进行的信息处理不仅是面向事务的数据库应用,也还包括面向任务的各种群件应用。协作计算环境是一个电子信息交换、群件、数据库和网络的集成环境。协作计算环境离不开通信。电子信息交换就是协作计算的一个通信基础设施,其他应用构筑在信息交换之上。

低轨卫星协作边缘计算任务迁移和资源分配算法

研究了基于星间链路的低轨卫星协作边缘计算任务迁移和资源分配问题,为偏远地区用户提供边缘计算服务.采用部分任务迁移机制,以地面用户加权总能耗最小化为目标建立优化问题,提出了一种低轨卫星协作边缘计算的任务迁移和资源分配算法,基于优化问题的非凸性,将其分解为任务迁移子问题和资源分配子问题,分别采用标准凸优化方法和拉格朗日对偶分解方法进行求解.仿真结果表明,该算法的收敛速度快;与本地计算和任务数据全部上传算法相比,本文所提出的算法可至少降低约74%的用户总能耗;与非协作卫星边缘计算相比,基于星间链路的低轨卫星协作边缘计算可至少降低约22%的用户总能耗,且星间链路的信道容量越大,用户总能耗越低.

基于区块链的物联网智能终端协作计算方案

提出采用区块链技术为智能终端提供安全可靠的协作平台,用激励机制鼓励智能终端参与协作.采用KuhnMunkres算法实现最优配对,充分调动计算资源;通过两阶段Stackelberg模型描述计算资源的交易过程,在保障公平性的同时实现计算能耗的优化.采用信誉值证明的共识机制来减少挖矿造成的资源浪费,利用信誉值和资源币收益作为激励条件,鼓励智能终端参与协作,提高服务质量.仿真结果表明,所提方案综合了协作双方的效用,不仅可提供一个可信的交易平台,而且能降低总能量的消耗.

计算机支持的协作学习研究热点与趋势演进——基于专业期刊文献的知识图谱可视化分析

《计算机支持的协作学习》是专门研究CSCL的国际性学术期刊,对该刊进行系统研究能够拓展我国CSCL研究的国际视野,把握研究前沿热点。研究对象包括该刊从2006年到2018年之间的240篇论文,研究方法采用共词分析法,研究工具选取BICOMB、SPSS19. 0、Excel2007、Ucinet6. 2和Net Draw。研究发现,协作学习处于研究核心,代表了该刊的办刊宗旨。社会网络分析展示了该刊以协作学习为中心,以工具、方法为桥梁,逐渐向知识建构、学习分析和学习模式等方向展开。多维知识图谱显现出该刊围绕协作学习、学习模式、学习分析、学习理论、知识建构和学习工具等六大主题开展了讨论。未来趋势演进主要体现在学习分析、研究范式和学习管理等三个方面。

计算机支持的协作概念改变的实证研究

本研究采用实证研究方法,对年龄在11至12岁之间的73名小学生有关温度与热的概念进行调查,根据儿童存在的迷思概念特征,设计了四个基于网络的校际协作学习活动并开发了系统和工具来支持其概念改变。通过系统地介入这一干预,并对协作对话和T检验结果进行分析后,作者认为,这一有计划的干预能够有效地促进学生对温度与热概念的辨析,从而改变学生温度与热的迷思概念,建构一个科学概念。研究结果还暗示,在科学教育中计算机等信息媒体和技术,在促进学生概念改变上是一种具有潜力的关键资源。

CSCL研究30年:研究取向、核心问题与未来挑战——基于《计算机支持的协作学习国际手册》的要点分析

计算机支持的协作学习(CSCL)是学习科学的重要研究领域。2021年,由全球90余位国际知名研究者共同参与编写的《计算机支持的协作学习国际手册》正式出版。这既是对CSCL从1989年肇始至今整整30年发展的首次系统回顾,也是对CSCL理论与实践研究的高度凝练和概述,标志着CSCL研究开始走向成熟。经过30年的发展,在理论和技术的相互塑造和相互驱动下,CSCL研究已经形成了基本理论、协作学习过程、协作学习支持技术以及研究方法四个方面的研究取向,并围绕如何理解理论基础的多样性和构建其融合关系、如何认识与组织协作学习过程、如何设计与利用技术促进协作学习、如何理解与构建研究方法系统等核心问题,展开了多角度深刻的探讨。然而随着互联网的发展,在面向下一代全真互联网的学习环境中,CSCL研究还需构建适应复杂理论发展的理论体系,探索面向生态系统的协作学习过程框架,开发技术与理论融合发展的协作学习系统,创建符合协作学习特征的研究方法系统模型,以适应新时代的在线协作学习需求。

计算机支持的协作学习的伙伴模型

伙伴模型的建立是计算机支持的协作学习(CSCL)中寻找学习伙伴的关键。伙伴模型对学生分组的关键因素进行了较全面的建模。对伙伴模型进行了形式化的描述,并重点对动态协作信息的表示,如伙伴学习进度、知识水平、认知能力和协作能力进行了研究。

基于网络的计算机辅助协作学习的比较研究

计算机辅助协作学习是把协作学习与计算机辅助学习紧密结合起来的一种基于网络的教学模式，通过学生与指导教师、学习伙伴、以及学习资源之间的互动，帮助学生构建知识、发展能力。实践证明，这种以培养学生创新能力为目标的网络教学模式，满足了学习目标多元化、学习方式多样化和学习过程个性化的需求，促进了学生创造性地运用所学知识，培养团队协作能力、自主学习能力和独立思考能力。文章介绍了计算机辅助协作学习的模式和学习过程，分析了其特点及相对于一元环境的教学模式的优缺点，并对未来计算机辅助协作学习所需研究的领域进行了初步的探讨。

计算机辅助协作学习过程的研究分析法

文章提出了一个在计算机辅助协作学习(CSCL)环境中的学习分析方法。该方法是根据包括参与性、互动性、社会性、认知性和元认知性以及教学性等五维方式构建的一个研究模式。每个因素都可以通过学习环境中跟踪采集的表象作系统分析和研究。