面向直播的边缘计算任务卸载方案研究

文章研究分析了直播中多用户、多服务器场景下存在的直播用户的体验质量(Quality of Experience,QoE)不高的问题,为提升用户的QoE,将能耗和时延作为决策目标,设计一种经改进的NSGA-Ⅱ(非支配排序遗传算法),即L-NSGA-Ⅱ,用线性排名的方式进行父代的选择加速算法收敛。实验表明,与LUA、NSGA-Ⅱ和Random算法策略相比,所提方案的平均延迟降低约9.1%,用户QoE提升约4.39%。该方案应用于直播场景中,在减少延迟、提升吞吐量和降低能源开销方面表现出较好的效果。

基于L-BFGS与NSGA-Ⅱ混合算法的IMRT逆向计划优化研究

基于L-BFGS和NSGA-Ⅱ算法提出一种对逆向计划混合目标优化的新方法.该方法将物理-生物混合目标函数引入到调强放射治疗逆向计划中,利用L-BFGS算法对NSGA-Ⅱ算法的初始解进行优化,并改进带约束的快速非支配排序策略,以达到更好优化逆向计划使之满足DVH约束的目的.新算法所得优化结果表明,靶区的高剂量分布更加均匀,且危及器官的NTCP有了明显降低,能得到理想的DVH曲线,放射治疗计划质量更高.

一种调强放射治疗逆向计划多目标混合优化方法研究

针对调强放射治疗(IMRT)逆向计划的优化问题,提出了基于L-BFGS和Pareto最优解的多目标遗传算法———NSGA-Ⅱ算法的调强放射治疗计划多目标混合优化方法。根据IMRT对多个目标的剂量约束条件,建立了多目标优化的简化及精确的数学模型。为了加快优化速度,首先采用L-BFGS算法求解简化模型,并将其作为精确模型的初始解;然后采用NSGA-Ⅱ算法对精确模型求解来获得分散性良好的Pareto最优解集,使临床医生能根据各个目标的剂量体积直方图等加以决策,以便从中选择合适的治疗方案。实验结果表明,采用上述方法得到的非劣解在目标空间中分布均匀,计算速度快,鲁棒性好。与常用的将该多目标优化问题通过加权求和转化为单目标优化问题加以求解相比较,由于该方法提供了Pareto最优解集合提供给决策者选择,因此具有更强的灵活性,能更好地满足临床的实际需要。