移动边缘计算不确定性任务持续卸载及资源分配方法

移动边缘计算场景中任务的不确定性增加了任务卸载及资源分配的复杂性和难度.鉴于此,提出一种移动边缘计算不确定性任务持续卸载及资源分配方法.首先,构建一种移动边缘计算不确定性任务持续卸载模型,通过基于持续时间片划分的任务多批次处理技术应对任务的不确定性,并设计多设备计算资源协同机制提升对计算密集型任务的承载能力.其次,提出一种基于负载均衡的自适应策略选择算法,避免计算资源过度分配导致信道拥堵进而产生额外能耗.最后,基于泊松分布实现了对不确定任务场景模型的仿真,大量实验结果表明时间片长度减小能够降低系统总能耗.此外,所提算法能够更有效地实现任务卸载及资源分配,相较于对比算法,最大可降低能耗11.8%.

临床护士工作生活质量现状及潜在剖面分析

目的 了解临床护士工作生活质量现状,并对其影响因素进行潜在剖面分析。方法 对便利抽样法抽取的1 438名临床护士采用一般资料调查表、护士工作相关生活质量量表(WRQoL)、临床护士额外任务负荷问卷(ETLS)及心理授权量表(PES)进行调查分析。对护士工作生活质量进行潜在剖面分析,并通过单因素与多因素分析对护士工作生活质量进行差异性检验。结果研究共回收有效问卷1 227份。临床护士工作生活质量可分为3个潜在类别:工作生活低质量组(58.19%)、工作生活中等质量组(25.35%)、工作生活高质量组(16.46%)。单因素分析显示,3组护士在文化程度、职务、是否承担教育护士岗位职责、每月夜班频次、参与心理减压培训情况、ETLS评分及PES评分方面比较,差异均有统计学意义(P<0.05或0.01)。多因素分析显示,职务、承担教育护士岗位职责、参与心理减压培训情况、心理授权、额外任务负荷是护士工作生活质量分类的影响因素。结论 临床护士工作生活质量分类特征明显,医院管理者可以根据影响因素对不同类别特征的临床护士进行有针对性的心理干预,以提高护士的工作生活质量水平。

边端协同环境中的任务卸载和资源分配方法

将终端任务卸载至边缘计算环境弥补了云计算距离较远而产生较大延迟的缺陷,同时还降低了设备能耗.但从资源方面来讲,边缘服务器的各类资源并不像云服务器那么充足,因此,任务卸载和资源分配的联合优化成为边缘计算的研究热点之一.已有的任务卸载和资源分配联合优化研究通常假设任务卸载至单个边缘服务器,默认每个终端设备产生一个任务,即使有研究多服务器的,也通常忽略服务器间的负载均衡.为此,本文在一个多边缘服务器多用户多任务的边端系统中,提出了一种权衡时延、能耗和负载均衡指标(即效益)的任务卸载和资源分配方法,其通过优化任务卸载决策、服务器计算资源分配和终端设备发射功率,实现任务卸载效益最大化.最后,为了验证所提方法的有效性,进行了充分的对比实验.实验结果表明,与对比方法相比,所提出的方法在提升卸载效益和实现服务器间负载均衡方面有良好的性能.

血液透析护士工作投入的潜在剖面及其影响因素分析

目的探索血液透析护士工作投入的异质性和影响因素,为护理管理者采取措施提高血液透析护士工作投入提供参考。方法采用一般资料调查表、工作投入量表和NASA任务负荷指数量表对广东省650名血液透析护士进行问卷调查。对血液透析护士的工作投入特征进行潜在剖面分析,并通过单因素分析和无序多分类logistic回归分析探讨不同潜在剖面的影响因素。结果获得有效样本585人。血液透析护士工作投入和任务负荷得分分别为(3.54±1.44)分、(64.20±15.00)分。工作投入可分为3个潜在剖面,包括低投入-低专注组(23.3%)、中投入-低专注组(34.5%)、高投入-高奉献组(42.2%)。无序多分类logistic回归分析结果显示,任务负荷得分、护士层级、职务、对工作满意度及是否为血液净化专科护士是工作投入潜在剖面的影响因素(均P<0.05)。结论血液透析护士工作投入特征存在异质性,护理管理者可根据血液透析护士的不同工作投入特征及其影响因素,采取有针对性的措施,以提高血液透析护士的工作投入和护理服务质量。

刺激环境变化与突显干扰项预期性对注意捕获的影响

采用额外突显干扰项的注意捕获范式,要求被试在一个包含目标、突显干扰项和其他干扰项的环境中,搜索目标并做出判断,探讨突显干扰项预期性对注意捕获是否受到刺激环境变化和任务负载的影响。结果显示,当外部线索引导的突显干扰项可预期时,刺激环境变化条件下对搜索目标的反应慢于刺激环境不变条件,产生环境损耗;当内部线索引导的突显干扰项可预期时,与突显干扰项不可预期条件相比,突显干扰项可预期条件下的环境损耗更小,负载损耗更大。这表明,刺激环境变化促进外部线索引导突显干扰项可预期的注意捕获,而高任务负载促进内部线索引导突显干扰项可预期的注意捕获。

面向异构处理平台任务调度的麻雀优化算法

针对当前异构信号处理平台中各处理器任务数量分配不均衡、处理器性能发挥不完全以及系统运行效率低的问题,文中提出一种面向异构处理平台的麻雀优化算法。该算法利用了麻雀算法较强的全局寻优能力和麻雀种群内部的高效工作机制。在经典麻雀算法基础上,文中提出了符合任务调度的二进制异或编解码规则,将离散的任务分配方案映射为连续的麻雀位置信息。将处理器负载均衡指数作为适应度函数,选取每次迭代中的最优解;在麻雀遍历任务时,采用任务优先级分流排序策略。对通信密集型任务和计算密集型任务采取不同的计算式得到更符合任务特点的遍历顺序,生成随机任务图,并将所提算法同ICPA(Improved Critical Path Algortthm)算法进行对比。仿真结果表明,相比于ICPA算法,所提算法的负载均衡指数平均优化率为60%,各处理器负载情况更加均衡,能更好地发挥异构处理平台的整体效能。

持续近高温暴露下基于心率变异性的认知表现评价方法

目的探究持续高温暴露对人体认知表现的影响规律,为因高温应急导致的认知表现降低提供解决方案,减少高温应急时航天员的误操作问题甚至安全事故。方法本研究招募了14名右利手男性受试者,在32℃、35℃、38℃、41℃这四种热环境下均连续暴露150 min,其间持续进行5种不同的认知任务(Posner Cueing Task、Deary-liewald Task、N-back Task、Wisconsin Card Task、Visual Search Task)得到相对认知表现;同时在认知测试过程中使用便携式2导联动态心电仪连续捕捉心电R波信号,并且基于心电数据进行心率变异性非线性分析,探索非线性指标SD1、Shannon entropy、α2、D2与相对认知表现的定量关系。结果结果表明,所有非线性指标均随着暴露时间与环境温度的变化而发生一定规律的变化。此外,通过相对认知表现与非线性指标的相关性分析得到相关系数最高的指标α2(相关系数为0.7)。在此基础上分析了α2与相对认知表现的定量关系,发现非线性指标α2与相对认知表现呈近似U型函数关系,当α2=0.98时,相对认知表现最差。结论本研究表明心率变异性非线性指标α2可较准确地预测近高温暴露下人的认知表现,能够为高温暴露下各行业作业人员的工效与健康评价提供一种较为可靠的客观指标。

异构计算系统中能量感知利润最大化在线算法

异构计算系统中的任务调度仅以能耗优化为目标,往往会忽略最大完工时间带来的负面影响。此外,庞大的机器与任务数量为调度决策带来了极大的时间成本。以异构计算系统管理者单位时间收益最大化为目标,建立了考虑任务包的能量感知利润最大化问题模型,并为之设计了一种高效的在线算法。每到达一个用户,该在线算法能够通过系统当前状态构造多个线性方程组,并求得利润最大的解,即当前用户提交任务的分配策略。同时计算了该算法的运行时间复杂度为O(nm 4)。通过与另外两种常用算法进行对比,提出的在线算法能够在多项式时间内,得到目标值拟最优的调度方案。

基于核密度估计的电力物联网并发业务计算负荷建模与任务分配策略

在电力物联网背景下大量并发业务给边缘计算终端处理能力带来了挑战。为此,提出了基于核密度估计的电力物联网并发业务计算负荷建模与任务分配策略。基于核密度估计理论建立了并发业务覆盖等级及计算负荷模型,根据业务覆盖等级决策边缘计算终端的资源配置,以最小化处理延时为目标决策云边协同的任务分配,以电动汽车有序充电业务为例进行仿真分析。结果表明,所提模型和方法能提升系统整体计算资源使用效率、降低业务延时,提高电力物联网应对并发业务处理需求的能力。

工作记忆负荷对词汇理解和产生认知老化的不同影响

人类语言能力的衰退受到一般认知能力和语言加工系统两方面的影响,且语言理解和语言产生的衰退存在不同的模式。已有研究主要考虑了语言特异性因素的影响,本研究考察一般认知能力中的工作记忆负荷对词汇理解和词汇产生过程认知老化的影响机制。采用双任务范式,要求被试同时完成数字串回忆和词汇理解(或词汇产生)任务。在排除其他一般认知能力的影响后发现,老年人在词汇理解和产生任务的反应时长于青年人,表现出语言加工过程的认知老化。而且词汇理解的认知老化效应大于词汇产生,表现出认知老化的不对称性。研究表明工作记忆负荷和语言加工任务类型共同影响了语言的认知老化效应。

基于多尺度特征提取的IES多元负荷短期联合预测

为提高综合能源系统(integrated energy system,IES)多元负荷预测的精确度,综合考虑多能源相互作用机理、多元负荷耦合特性及气象因素相关性,提出了一种基于多尺度特征提取的IES多元负荷短期联合预测方法。首先,通过最大互信息系数(maximum information coefficient,MIC)研究多元负荷耦合特性及影响因素相关性,选择预测特征;其次,利用变分模态分解技术(variational mode decomposition,VMD)对输入特征进行分解,提升特征纯洁度;最后,采用卷积神经网络-双向长短期记忆神经网络(convolutional neural network-bidirectional long and short-term memory,CNN-BiLSTM)多任务学习模型进行纵向、横向特征选择,注意力(Attention)机制对重要特征差异化提取,实现多尺度特征提取,并利用雪消融优化器(snow ablation optmizer,SAO)对VMD和CNN-BiLSTM多任务学习模型进行超参数优化,以此实现IES多元负荷的联合预测。以美国亚利桑那州实测数据进行实验,结果表明,无论与单一预测方法还是与其他模型相比,所提联合预测方法的均方根误差更低、准确率更高,在IES多元负荷预测中具有更高的精确性和鲁棒性。

实际工作背景下脑力与体力因素叠加效应对认知负荷的影响

目的探索在执行认知任务时,伴随的体力活动对作业者的主观负荷感、作业绩效及心率变异性的影响规律。方法符合条件的33名男性受试者分别在3种左上肢等张收缩体力负荷条件(0、3、5 kg)下完成2-back认知任务(每种条件间隔1周),全程采集心电信号。任务后利用航空航天局任务负荷指数量表评估受试者的主观任务负荷感,并记录认知绩效(平均反应时间、正确率等)。结果与无体力活动相比,中体力与高体力活动增加了受试者认知任务的主观负荷感(t=2.235~14.841,P均<0.05)、平均反应时间(t=-2.263、-3.284,P=0.031、0.002)和任务的误检率(Z=-2.978,P=0.003)。同时,体力负荷也增加作业者心率(Z=-4.899,P<0.001)和心率变异性的低频功率值(Z=-2.253,P=0.024),而高频成分降低(Z=-2.010,P=0.044)。在中体力和高体力负荷间,受试者的功能状态差异无统计学意义(P>0.05)。结论认知任务中,作业者遭受的体力负荷会进一步增加任务负荷感,降低任务执行能力,引起交感神经张力增加。本研究结果为飞行员在飞行中脑力负荷的实时评价提供了理论基础。

考虑负载量均衡的自动拣货系统AGV任务分配优化

为提高AGV自动拣货系统作业效率、降低作业成本,在剖析造成系统拥堵的关键影响因素基础上,提出考虑负载量均衡的AGV任务分配双层规划模型,上层考虑总成本最小,下层通过构建多目标函数来最小化系统负载量标准差和AGV空闲率。针对传统GA求解任务分配问题效率低、易陷入局部最优等问题,提出了一种改进自适应遗传算法(SAGA),引入sigmoid函数用于适应度值的转换,并参与到自适应调整交叉变异算子的操作中,加入灾变策略防止算法出现早熟的情况。最后将该算法对不同规模算例进行仿真,结果证明,相比遗传算法、自适应遗传算法、自适应灾变遗传算法、蚁群算法,该改进算法在不同规模算例实验结果中均有明显优化,表明改进算法能更好地避免早熟、提升求解质量与收敛稳定性,有效地均衡了路网负载量,降低了作业总成本。

基于负载预测的多目标优化任务卸载策略

在车联网中随着智能网联汽车的升级,新兴车载应用对计算能力提出更高要求,车载单元本身的计算能力已远远不够,移动边缘计算(MEC)的出现可以为车辆提供更加可靠的服务。为解决车联网边缘计算中的任务卸载问题,提出基于负载预测的多目标优化卸载策略算法,降低任务时延并实现边缘服务器负载均衡。通过基于自适应优化神经网络的负载预测算法预测MEC服务器的负载,提前感知MEC服务器的负载变化,解决任务卸载滞后问题。以最小化时延及MEC服务器负载均衡为目标,综合考虑通信环境、计算资源、任务量等因素构建多目标优化模型。通过非支配排序遗传算法-Ⅲ(NSGA-Ⅲ)获得最优任务卸载策略。仿真实验结果表明,该算法能对MEC服务器的负载进行较精确的预测。相比MTUOA、NSGA2、QTD和AOS,该算法的任务时延分别降低1.7%、7.3%、12.4%、17.5%,并在MEC服务器负载均衡中取得显著优势,解决MEC服务器负载不均衡的问题。此外,该算法可以根据不同通信小区的通信环境及车辆数等制定差异化的任务卸载方案。

基于动态能耗的多无人机协同任务分配

针对多无人机物流配送存在的空载率高、能源利用效率低等问题,考虑同时送取货的多无人机配送场景和无人机实时能耗变化,提出了无人机动态能耗模型,进行了多无人机同时送取货任务分配问题的研究。用遗传算法对问题进行求解,针对经典遗传算法对初始种群的依赖性、易早熟、局部搜索能力弱等特点,设计了一种混合初始化方法,引入了食肉植物算法繁殖机制,并结合问题特性设计了内交叉策略和反馈变异策略,同时引入了过程精英策略,对遗传算法进行了改进。实验结果表明,改进的遗传算法可以有效求解基于动态能耗的多无人机任务分配问题。

定制医疗器械增材制造的负载均衡进化调度方法

目的/意义提出并利用负载均衡进化调度方法,缩短定制医疗器械增材制造生产活动中的等待时间、均衡各机器负载。方法/过程通过分析时间维度下的影响因素,建立双目标多约束优化问题的数学模型,引入负载均衡算子,采用负载均衡进化调度算法求解模型。结果/结论含有负载均衡算子的负载均衡进化调度方法在任务等待时间和负载均衡性能方面优于其他算法,特别是在大规模任务下效果显著。该方法能够有效缩短任务等待时间并实现机器负载均衡。

基于数字孪生的车联网边缘计算技术研究

针对复杂时变信道条件下,车辆网络对高计算性能的需求问题,提出了一种基于数字孪生的移动边缘计算的多无人机辅助的车辆网络系统,引入数据中心存贮数字孪生系统数据进行协助,以提升整体系统的效率,在此基础上建立了所有无人机和车辆间通信的时延最小化问题,并给出基于近端策略优化算法的问题求解方案,仿真实验证明了该方法的可行性和有效性,该方法所计算的时延相比贪婪算法、策略梯度算法等具有较大的改善。

基于模拟退火机制的移动边缘云计算任务卸载

缓存任务过多容易导致云环境下数据传输卡顿,因此,为实现云数据的流畅传输,提出基于模拟退火机制的移动边缘云计算任务卸载模型。根据边缘云计算的定义表达式,计算任务缓存指标,完成移动边缘云计算队列的构建。以模拟退火机制为基础,确定云负载调度标准的执行条件,联合数据库主机中缓存的信息参量,求解优化卸载参数,完成基于模拟退火机制的移动边缘云计算任务卸载模型的设计。实验结果表明,所提方法可以有效解决云任务堆积的问题,将单位时间内的缓存任务量控制在550个以下,可以提升云数据传输流畅性。

基于事件相关电位的认知负荷对任务时间效应的影响规律研究

为了探究不同脑力负荷下与任务时间效应相关的事件相关电位特征的变化规律,本研究设计了基于0-back和3-back任务的任务时间效应实验范式,以此开展了基于20名健康受试者的任务时间效应研究,并分析了被试在任务中的行为学和事件相关电位特征的变化规律。结果发现,在3-back任务中,受试者工作记忆任务的平均反应时间随着任务时间的增加显著下降(P<0.05)。而3-back与0-back任务中,受试者的反应时间变化系数随任务时间增加显著上升(P<0.05)。在不同认知负荷下,受试者两侧枕区的N1幅值均随任务时间增加而显著上升(P<0.05),前额区的P2幅值和P300幅值则随任务时间显著下降(P<0.05)。在0-back任务中,受试者枕区P300幅值变化量显著低于3-back任务(P<0.05)。在0-back和3-back任务中,受试者前额区P2幅值变化和反应时间线性相关(r=-0.44,P<0.05;r=-0.59,P<0.05),同时P2幅值和反应时间相关系数呈显著负相关(r=-0.39,P<0.05;r=-0.42,P<0.05)。在3-back任务中,受试者额区,中央区和顶区的平均P300幅值与反应时间显著相关(r=-0.49,P<0.05),而受试者在0-back任务当中的P300幅值和反应时间,反应时间变化系数显著负相关(r=-0.69,P<0.05;r=-0.51,P<0.05)。由此得出,在长时间的认知任务之中,前额,中央区与顶区的脑活动均受到任务时间效应的影响,而枕区活动则主要受到认知负荷和任务时间效应的影响。

基于贝叶斯离散优化的电力调度网络发令多任务优先级解耦方法

电网输电线路的负荷率和利用率的不断加重,为电力系统运行调度增加了难度。为了合理规划调度任务,保证电网运行安全,研究基于贝叶斯离散优化的电力调度网络发令多任务优先级解耦方法。建立电力调度模型,设定调度优化目标和约束条件;基于贝叶斯离散优化预测电力负荷,为任务优先级判定提供依据;通过分块解耦动态仿真电力系统,将复杂外部系统转换为简单等值系统;通过电力调度多任务优先级解耦,划分优先级,接收操作令,完成电力调度的解耦。经实验论证分析,所提模型得到的解耦前后的仿真曲线较为吻合,仿真结果可以真实准确地反映电力系统的动态行为,对过载线路有功功率的调节效果明显,越限问题得到了很大程度的改善。