基于负载再分配的边缘计算任务均衡调度策略

目前5G异构网络的计算卸载机制在边缘节点资源方面和电力业务调度算法时延与负载均衡方面存在问题。综合考虑边缘服务器负载均衡和业务计算时延,针对min-min算法与max-min算法的不足,文中提出了基于电力业务优先级二次再分配的均衡调度算法。该算法根据业务的最大容忍时延划分业务的优先级,并且根据最小完成时间标准差确定长短业务比例,实现业务的预分配。基于各个边缘服务器的负载情况,该算法再将高负载边缘服务器上的业务分配给负载低的服务器,实现二次再分配。仿真结果表明,与典型的算法相比较,所提算法缓解了现有技术中存在的以上问题,降低了计算时延,实现负载均衡,提高了系统资源利用率。     

移动边缘计算中依赖型任务的调度模型研究

当前移动边缘计算(mobile edge computing, MEC)环境中关于任务调度的工作经常忽略任务间的依赖关系,导致其完成 时延较长。 针对此问题,首先,以降低系统完成时延为目标,在考虑到跨服务器协作的多用户、多边缘服务器场景下,利用广度 优先搜索算法(breadth first search, BFS)构建一种依赖型任务的调度模型。 然后,根据任务和边缘服务器之间的交互,将模型 中各调度层的联合卸载和迁移问题建模为一个多领导者多跟随者的 Stackelberg 博弈。 最后,为实现 Stackelberg 博弈均衡,提出 基于 Q 值的卸载算法和分布式迭代迁移算法求解模型。 仿真结果表明,与基线算法相比,所提算法在不同规模的用户和边缘 服务器的场景下,将系统完成时延分别降低了 44. 1%和 63. 2%。 进一步实验表明,与传统方案相比,所提模型在不同规模的用 户和边缘服务器的场景下使系统完成时延分别降低了 20. 1%和 6. 7%,有效保证了服务质量。     

计及需求响应的含风电场多目标低碳经济调度

综合考虑发电成本、碳排放量和用户满意度,建立计及需求响应的含风电场多目标低碳经济调度模型。该模型采用随机规划理论描述风电出力的不确定性,并应用风电出力分布函数将其转化为等价的确定性模型;通过优化需求侧资源来调整次日的负荷曲线,以提高系统负荷率和风电消纳能力;引入用户满意度约束,保证调度方案使用户满意;将源荷侧资源整合统一调度来适应大规模风电并网和满足系统节能减排的要求。在人工鱼群算法搜索过程中结合禁忌搜索思想,并引入多目标搜索机制,提出了一种多目标改进鱼群算法对模型求解。采用逼近理想解排序法对帕累托前沿个体排序,辅助决策者确定最佳的调度方案。算例仿真结果验证了所提模型的合理性和算法的有效性。     

基本人工鱼群算法的研究与改进

针对人工鱼群算法的不足,本文尝试引入分区域搜索的思想、深度优先遍历的思想以及禁忌搜索算法对该算法进行改进。通过仿真实验结果表明,改进后的人工鱼群算法能有效的得到精确解,并且提高了算法的收敛性和计算复杂度。     

考虑服务配置的细粒度电力任务云边协同优化调度策略

新型电力系统的建设促使电力业务范围向用户侧深入,业务种类及数量不断增加。边设备资源有限,只能配置有限数量的服务,任务的时延能耗需求与设备资源有限的矛盾日益突出。为实现云边资源协同与任务的优化调度,提出了一种考虑服务配置的细粒度电力任务云边协同优化调度策略。通过建立微服务的时延与能耗模型,并对任务调度中的约束条件进行分析,将时延与能耗的优化决策问题转化为带约束的多目标优化问题,采用NSGA-Ⅱ算法求解。然后通过基于模糊逻辑的多准则决策方法为任务选择调度方案。仿真结果表明,所提策略在时延和能耗方面的性能优于其他策略,能够适应不同的任务场景并做出最优决策,提高了任务的完成率。     

基于改进人工鱼群算法的微电网经济调度

针对微电网调度的问题,以微电网经济成本最小与污染排放气体最少为目标,建立了微电网日优化运行的数学模型。针对人工鱼群算法易陷入局部最优的问题,将人工鱼群的觅食和随机行为与天牛须搜索算法中天牛位置更新方法相结合,提出基于天牛须搜索算法的人工鱼群算法(artificial fish swarm algorithm based on beetle antennae search algorithm,BAS-AFSA)求解所建立的数学模型。最后以一个微电网系统为例,在并网运行的情况下,结合标准人工鱼群算法作对比,仿真结果表明,所提算法能够合理安排微源出力,降低了总成本,微电网获得了更好的综合效益。     

一种电网云平台资源调度算法的研究

针对规模快速扩大的电网云平台暴露出的能源成本高和计算调度资源效率低的问题,基于负载均衡的概念和原理,提出一种节能负载均衡全局优化算法,用于优化电网云平台的计算资源调度.鉴于云平台的资源调度问题是一个旨在优化能源消耗和负载均衡组合问题,提出了基于负载均衡策略和克隆选择原则的资源调度算法.试验表明,该算法能有效降低云平台的能耗,提高其资源调度效率。     

一种电网云平台资源调度算法的研究

针对规模快速扩大的电网云平台所暴露出能源成本高和计算调度资源效率低的问题,基于负载均衡的概念和原理,提出了一种节能负载均衡全局优化算法,用于优化电网云平台的计算资源调度。首先云平台的资源调度问题是一个旨在优化能源消耗和负载均衡组合优化问题;然后提出了基于负载均衡策略和克隆选择原则的资源调度算法;最后实验表明,该算法能有效降低云平台的能耗,提高其资源调度效率。     

改进人工鱼群算法在输电网规划中的应用

针对离散人工鱼群算法在求解大规模输电网规划问题时易陷人局部极值的缺点,提出一种改进人工鱼群算法.该算法引入禁忌搜索算法的记忆功能,避免迂回搜索,有效提高了计算效率;并在深入研究人工鱼搜索机制的基础上,对人工鱼寻优行为进行一系列的改进,采用最好解优先策略选择前进路径以及以排序选择的方式接受劣解,进一步提高了算法效率.IEEE Garver-6系统和18节点系统的计算结果表明,该算法用于电力系统输电网规划是有效的,具有良好计算效率和优秀的全局收敛性能.     

面向智慧路灯系统的线性边缘计算算法

在我国智慧城市的建设中,智慧路灯系统是其中关键性的公共基础设施载体。然而规模逐渐扩大的智慧路灯系统越来越无法满足实时、安全处理任务的需求。本文将边缘计算引入智慧路灯系统的线性网络结构,通过网络云端服务器发布边缘计算的任务、网络终端设备的边缘计算,从而形成面向智慧路灯系统的线性边缘计算算法。实验验证表明,本文提出的算法能够使智慧路灯系统总时延稳定小于3 ms;且当总时延超过3 ms时,算法能够进行任务均衡分配,以有效地降低总时延,进而有效地提升智慧路灯系统的实时性与安全性。     

面向新型电力系统的最小服务延迟的负载分配算法研究

边缘计算依托其在网络边缘的技术和部署优势,能够实时采集终端设备的运行情况,并按需完成数据云台的上传,有效缓解了云端处理器的工作压力,降低数据实时回传的延时。然而,资源有限的单一边缘节点的固有特性可能依然无法满足大规模接入的新型电力业务的延迟要求。对此文中研究了满足较低服务延迟的工作负载分配策略。考虑到网络时延和计算时延,构建了一种基于多个边缘计算节点的工作负载分配模型,以最小化新型电力系统场景下的服务时延。此外,为进一步降低多种新型电力业务终端的服务时延,制定了一种工作负载分配机制。在初始化阶段,通过任务平衡算法来改善边缘节点间的工作负载平衡。为了有效保证资源分配的合理性,提出了一种改进的粒子群优化算法,实现边缘节点的CPU资源的合理分配。基于半定规划算法,将网络资源做到更有效地分配。最终通过仿真实验,表明了所提的分配策略更加有效。     

微服务架构下配电台区任务云边协同在线调度策略

由电网域向社会服务域延伸的配电网需要支持更多的业务,应用随新业务拓展不断增加可能会导致边设备资源不足。为了从边设备层面支撑资源受限情况下任务的调度与协同处理,提出了微服务架构下配电台区任务云边协同在线调度策略。从任务及设备角度对云边容器化场景下任务调度问题进行了分析,在容器化电力任务云边调度机制基础上,设计了优先级策略与任务分配策略,并通过改进的在线算法对任务进行实时调度。仿真结果表明,所提策略具有更高的任务执行效率,通过资源置换,能够提高边设备资源受限时重要任务的完成率以及系统安全性。     

面向电力物联网的5G移动边缘计算任务卸载方法

由于传统云计算范式已无法满足电力物联网日益增长的计算需求,文章引入5G移动边缘计算用于实现计算任务的就近处理,并将长期能耗约束与业务优先级考虑在内,将其中的任务卸载问题建模为长期时延优化问题.进一步利用Lyapunov优化将之转化为一系列短期的确定性优化问题,并对其理论上界加以分析,利用基于梯度价格的拍卖算法,可实现通...     

面向5G边缘计算网络的联合需求响应与任务卸载策略

随着物联网通信计算需求激增,5G通信与边缘计算网络逐步成为新兴的高能耗负荷。针对5G边缘计算网络用电成本高的问题,提出了联合任务卸载与需求响应策略。所提策略基于任务卸载与基站储能单元充放电动作,在高电价时段联合优化计算、通信与储能资源分配或者牺牲部分时延性能以削减用电成本,在分时电价机制中为电网提供响应能力。针对优化目标为混合整数非线性规划问题,进一步提出结合网络场景划分的广义benders分解算法,将问题解耦为任务卸载决策主问题与充放电以及资源分配子问题,降低问题求解复杂度。仿真结果表明：相比于仅考虑任务卸载和仅考虑通信资源调度的响应策略,所提策略降低了用电成本并避免时延性能恶化。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

面向5G边缘计算网络的联合需求响应与任务卸载策略

随着物联网通信计算需求激增,5G通信与边缘计算网络逐步成为新兴的高能耗负荷。针对5G边缘计算网络用电成本高的问题,提出了联合任务卸载与需求响应策略。所提策略基于任务卸载与基站储能单元充放电动作,在高电价时段联合优化计算、通信与储能资源分配或者牺牲部分时延性能以削减用电成本,在分时电价机制中为电网提供响应能力。针对优化目标为混合整数非线性规划问题,进一步提出结合网络场景划分的广义benders分解算法,将问题解耦为任务卸载决策主问题与充放电以及资源分配子问题,降低问题求解复杂度。仿真结果表明：相比于仅考虑任务卸载和仅考虑通信资源调度的响应策略,所提策略降低了用电成本并避免时延性能恶化。     

基于混合遗传算法的并行测试任务调度研究

并行测试任务调度核心是将资源合理地分配给测试任务,合理排列任务的执行顺序,最终使整个系统任务执行时间最短。本文提出了一种基于改进的混合遗传算法的并行任务调度算法,并以该算法为基础运用WPF和SQL Server技术实现了一个任务调度工具软件。算法采用一种结合贪婪算法思想的基因编码方式和交叉变异方法;设计了尺度变换的适应度函数,采用确定式采样选择方法,提高了种群质量。试验结果表明该方法及该工具软件可以有效地解决并行测试任务调度问题。