面向6G通感算融合的多粒度资源分配算法

面向6G通信-感知-计算(通感算)融合的发展需求,亟需突破其资源高效分配算法。提出一种面向6G通感算融合的多粒度资源分配算法,该算法根据感知的网络状态以及基站自身状态,在多时间粒度上调整资源分配策略时间。首先,该算法将通信、感知、计算资源联合优化问题建模为多时间粒度上的最大化效用函数问题;其次,采用决斗深度Q网络(Dueling Deep Q-network, Dueling DQN)算法关注重要状态,忽视不重要状态,可以较快地找到最佳动作;最后在所搭建的实验平台中,将所提算法与多种资源分配算法进行对比,提高网络频谱效率,并降低传输时延、处理时延和资源分配动作执行的成本。

基于混合粒度的虚拟资源描述和发现模型

网络虚拟化环境下,进行资源配置的一个重要前提就是虚拟资源的资源描述和发现,当前并没有针对虚拟环境中虚拟资源的特性提出合适的资源描述方法。本文通过分析虚拟资源的特性,提出一种资源描述机制,它能够描述不同粒度的虚拟资源。实验证明,对不同粒度的资源进行描述且采用本文提出的资源发现方法,资源配置效率会得到提升。

多粒度制造资源统一模型及其语义服务发现

为了实现企业间的业务流程协同,提出了多粒度资源统一模型及其语义化方法,并实现了语义发现算法。将业务流程片段抽象成不同粒度大小的流程复合资源和单粒度资源,基于扩展OWL-S对多粒度资源进行了语义封装,并构建了领域业务流程本体和功能活动本体,对多粒度资源进一步语义化。进而给出了功能、过程和服务质量的三阶段语义匹配算法,并比较了复合粒度和单粒度资源的匹配性能。结合一个制造业务流程任务实例说明了多粒度资源模型及其语义化的应用过程。最后,通过仿真实验验证了模型、语义化和算法的有效性。

服务环境下多粒度制造资源自适应组织与发现

为了加强区域协同制造,实现面向服务的制造,提出一种基于地理分区与制造资源分类树的多粒度制造资源自适应组织与发现机制。构建了基于业务流程的多粒度制造资源和多粒度制造服务模型作为协同资源存储的基础,讨论了制造资源分类树和多粒度制造资源的组织结构,进而给出了多粒度制造资源组织的自适应机制,包括多粒度制造资源的动态加入和退出以及资源的维护、负载感知的资源节点的分裂与合并,并设计了基于分类检索与三阶段匹配的多粒度制造资源发现算法。经算法性能比较,基于制造资源分类树的分类检索算法比同类算法有较快的搜索性能,粗粒度服务比单粒度服务组合具有更快的资源发现性能。通过仿真实验,验证了模型及其相关算法的有效性。

土地资源体多级变粒度空间数据管理方法

结合资源体的概念和土地要素功能提出了土地资源体概念,将土地资源数据对象组织成土地利用资源体、土地权属资源体等不同类型的土地资源体。在土地资源体对象基础上,结合具体的土地资源管理业务需要,提出了土地资源体多级变粒度数据组织管理模式,对土地资源体横向按资源体、图库、图层集合、图层和地物等不同资源授权粒度,纵向按多级区域层次管理的方式进行管理。国家、省、市级别的土地资源管理以县为基本单位,以区域特征管理国家、省、市、县等逻辑关系,县级的土地资源时空数据按资源体、图库、图层集合、图层和地物等不同资源授权粒度来对数据进行管理。在具体的土地资源管理和业务实施时,可以根据实际的需要对位于不同位置、不同层次、不同资源体类型的土地资源体进行动态组合。

基于制造业多粒度模型下的流程优化组合

在多粒度模型下对4个服务质量因子进行了性能的评估,并且根据实际云制造的生产情况引入了距离因子,并跟原有的性能描述进行对比。结果表明:引入了距离因子以后,表现出的服务组合性能和原始服务组合性能有所不同,这种表现更接近实际情况。

5G基站的符号节能特性探讨

文章主要探讨5G移动通信基站的符号节能方法,通过确定5G小区下行业务的负荷值,低于负荷门限动态调整5G的业务信道资源(Resource Block,RB)在时域上的时隙调度或符号调度值,将资源粒度调至最小,同时在一个无线帧结构中,只保留单边带(Single Sideband,SSB)及导频,将时频域的调度粒子都更小化后,可关闭的下行符号在时频域达到最大化,从而进一步降低5G基站耗能。

Flink平台下的分布式平衡级联支持向量机

支持向量机(Support Vector Machines,SVM)在分类和回归领域都是非常强大的工具,但在大数据环境下,其面临资源占用过高和寻优速度慢等问题.目前利用大数据框架实现的SVM,虽然优化了寻优速度慢的问题,但其预测精度与直接训练方式相比存在一定的差距,此外其并没有对训练节点的资源进行合理配置.故提出一种Flink平台下的分布式平衡级联向量机,该方式在之前的基础上将数据集分成含有相同比例样本的平衡子集,并对子集的训练参数进行放缩;同时,结合Flink下迭代作业的动态资源分配策略,将各节点资源最小化为刚好满足训练需求.对该方法的有效性进行阐述,对比多个数据集在不同训练方式下的资源占用和模型精度,实验结果表明,采用所提出的训练方式能合理灵活地对资源进行配置,同时将模型预测精度误差降低到0.1%以内.

MIMO+OFDM系统中量化预编码的自适应反馈方法

(西北工业大学电子信息学院,西安710065)摘要:首先介绍了MIMOOFDM系统中线性预编码的原理,并在此基础上提出了一种量化预编码的自适应反馈方法,即将移动终端反馈的移动速度和信道质量指示作为量化预编码确定反馈时间间隔和频域间隔的判决门限,可实现根据信道变化的快慢调整预编码矢量对应的资源块大小,使预编码矢量更符合实际的信道状态。通过仿真证明,该自适应反馈的量化预编码方法比非自适应的量化预编码方案更接近信道容量,可实现更稳定、更好的传输能力。

基于新技术的适应性学习系统研究述评

本文对近年来国内外计算机技术与教育技术研究领域在适应性学习系统方面的几个典型研究案例在系统结构、资源粒度、学习者模型和适应性机制的实现等方面进行了简要综述,并给出了评价与结论,以期为后续开展适应性学习系统应用研究提供借鉴。

认知异构网络中基于克隆选择算法的动态频谱分配

建立了认知异构无线网络的系统模型。基于该模型,以网络效益最大化为目标,考虑接入网的频谱需求,接入网之间的干扰和对应异构网络不同接入技术的多粒度重叠信道之间的干扰约束条件,将频谱资源分配建模为非线性约束0-1整数规划问题,进而提出基于克隆选择的认知异构网络中动态频谱分配算法,并在该算法中设计了一种新的能够同时考虑接入网频谱需求和多粒度信道频谱资源的抗体整数编码方式。仿真结果表明,所提算法相比于贪婪分配算法,增加了网络效益,提高了频谱使用效率。

关于网格计算技术

网格计算是一个崭新而重要的研究领域 ,它以大粒度资源共享、高性能计算和创新性应用为主要特征。本文介绍了目前国内外网格计算的概况及相关研究工作 ,从网格计算需解决的问题、特点以及与其它相关技术的对比几个方面来对其进行探讨 ,最后简述一个原型网格系统的系统结构、关键技术和应用实例。

基于SOM的多粒度云制造资源组合推荐

在云制造过程中,细粒度的资源会使设计任务的匹配变得困难,难以满足云制造请求方对于制造任务的要求。目前实现方法中,多粒度资源组合推荐主要着重于分析资源性质,并从架构设计的角度解决多粒度资源组合的问题,而未从算法角度提供解决方案,泛化性能较差。针对这样的问题,提出基于自组织映射(self-organizing map,SOM)聚类分析的多粒度云制造资源组合推荐方式。该方法首先通过对请求方制造资源调度日志进行聚类分析,将制造资源按照QoS指标分为不同的类型;然后采用滑动窗口分析统计各种类型的资源调度方式,计算不同资源调度方式在整个资源调度过程中所占的比例,进而得出请求方在制造过程中常用的调度组合,以此作为向请求方推荐的资源组合;最后通过模拟实验的方式验证了本文方法时间消耗少于架构的固定组合。

远程教育资源建设:从教学资源到学习资源

资源建设是发展远程教育的核心问题,把握好资源建设的发展方向至关重要。在广播电视大学向开放大学转型的过渡时期,有必要梳理远程教育资源建设之流变,即从教学资源转变为学习资源。通过对二者的概念渊源以及辩证关系的分析,可以发现,在"以学习者为中心"教育理念指引下建设的学习资源,较传统的教学资源更能够适应和满足远程教育的需要。为了更有效地发挥学习资源的优势,在学习资源的设计与建设过程中,应当注意资源的粒度、学习者的参与度、资源的便捷度以及资源的交互性等问题。