基于最优运输理论的物联网边缘计算资源优化机制

随着物联网和边缘计算的发展,物联网设备可以将计算密集型任务卸载到边缘计算服务器上进行处理。由于物联网设备分布以及计算需求的变化,需要对边缘计算资源进行动态管理。利用最优运输理论对物联网中计算资源分配进行优化,提出一种基于物联网设备分布和边缘计算服务器位置的区域优化划分机制,在边缘计算服务器计算能力的约束下对物联网设备的能耗以及时延性能进行优化。仿真结果表明,与传统泰森多边形划分机制相比,该优化机制有更好的均衡性,并且物联网设备的平均能耗最多降低21%,平均时延最多降低45%。

基于最优运输理论的蜂窝网边缘卸载时延优化研究

随着物联网的发展,蜂窝网络中接入了大量的用户设备。由于用户设备空间分布和应用需求的变化,需要对用户设备卸载决策进行动态调整。综合考虑网络中用户设备空间分布、应用需求、基站侧边缘服务器的处理能力等参数信息,从分布角度出发,优化用户设备的卸载决策。基于最优运输理论,提出一种时延优化算法。通过合理规划网络中用户设备的卸载基站,降低用户设备计算任务卸载过程的平均时延。仿真结果表明,所提基于时延优化的卸载机制能使平均时延降低81.06%,并能均衡各基站之间处理的业务量。

基于Sigmod数据规则化的2-Wasserstein全波形反演方法

作为一种有效解决传统全波形反演(FWI)中周波跳跃问题的方法,基于2-Wasserstein距离的全波形反演(OT-FWI)通常需要采用适当的数据规则化方法。为此,将Sigmoid函数作为数据规则化方法引入OT-FWI,形成基于Sigmoid的OT-FWI方法。Sigmoid函数可以限制数据的取值范围,将小于0的部分映射到接近0的值。与常用的数据规则化方法如仿射尺度规则化和指数归一化规则化方法相比,Sigmoid函数可以更好地利用地震数据中小于0的相位信息,从而进一步提高反演精度。1D Ricker子波测试结果表明,基于Sigmoid数据规则化的2-Wasserstein全波形反演方法可以有效提高目标函数的凸性,并增加共轭震源中的低频信息。将该方法应用于胜利模型数据和中国东部某勘探区实际地震数据进行测试,结果表明,相对于传统的数据规则化方法,基于Sigmod数据规则化的2-Wasserstein全波形反演方法可以进一步提高模型反演的精度。