基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法

针对“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中多任务卸载效率不足的问题,提出了一种基于概率性能感知演化博弈策略的任务卸载方法。首先,在一个“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中,假设其中分布的边缘服务器具有时变波动的性能,采用一种基于概率性能感知演化博弈策略的任务卸载方法对边缘云服务器的历史性能数据进行概率分析,以获得演化博弈模型;然后,生成服务卸载的演化稳定策略（ESS）,使每个用户都能在获得高满意度的前提下进行任务的卸载。基于云边缘资源位置数据集和云服务性能测试数据集进行模拟实验,在24个连续时间窗口上进行不同方法的测试比较。实验结果表明,所提方法在多个性能指标上都优于传统的贪婪（Greedy）算法、遗传算法（GA）和基于纳什均衡的博弈论算法等任务卸载方法。该方法的平均用户期望达成度相较于三个对比方法分别提升了13.7%、117.0%、13.8%,平均卸载时延分别降低了6.5%、24.9%、8.3%,平均货币成本分别降低了67.9%、88.7%、18.0%。     

基于双重拍卖的移动边缘计算任务卸载和资源分配策略

在移动边缘计算(mobile edge computing, MEC)系统中,用户的卸载策略会影响能耗和计算成本,进而影响用户效益.然而,目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响.针对该问题,提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略.首先,该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈,并且证明了在该博弈内存在唯一纳什均衡点;其次,计算出用户对于不同服务器的卸载意愿以及计算资源请求量,并将用户与最优服务器进行拍卖;最后,采用遍历法交换上一轮拍卖中部分交易中的用户与服务器,以实现系统整体效益最优.仿真实验结果表明,与其他基准算法相比,所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益,有效降低系统损失.     

Performance optimization of microbial electrolysis cell (MEC) for palm oil mill effluent (POME) wastewater treatment and sustainable Bio-H2 production using response surface methodology (RSM)

Microbial electrolysis cells (MECs) are a new bio-electrochemical method for converting organic matter to hydrogen gas (H₂). Palm oil mill effluent (POME) is hazardous wastewater that is mostly formed during the crude oil extraction process in the palm oil industry. In the present study, POME was used in the MEC system for hydrogen generation as a feasible treatment technology. To enhance biohydrogen generation from POME in the MEC, an empirical model was generated using response surface methodology (RSM). A central composite design (CCD) was utilized to perform twenty experimental runs of MEC given three important variables, namely incubation temperature, initial pH, and influent dilution rate. Experimental results from CCD showed that an average value of 1.16 m³ H₂/m³ d for maximum hydrogen production rate (HPR) was produced. A second-order polynomial model was adjusted to the experimental results from CCD. The regression model showed that the quadratic term of all variables tested had a highly significant effect (P < 0.01) on maximum HPR as a defined response. The analysis of the empirical model revealed that the optimal conditions for maximum HPR were incubation temperature, initial pH, and influent dilution rate of 30.23 ^°C, 6.63, and 50.71%, respectively. Generated regression model predicted a maximum HPR of 1.1659 m³ H₂/m³ d could be generated under optimum conditions. Confirmation experimentation was conducted in the optimal conditions determined. Experimental results of the validation test showed that a maximum HPR of 1.1747 m³ H₂/m³ d was produced.     

移动边缘计算网络中的资源分配与定价

移动边缘计算(mobile edge computing, MEC)使移动设备(mobile device, MD)能够将任务或应用程序卸载到MEC服务器上进行处理.由于MEC服务器在处理外部任务时消耗本地资源,因此建立一个向MD收费以奖励MEC服务器的多资源定价机制非常重要.现有的定价机制依赖于中介机构的静态定价,任务的高度动态特性使得实现边缘云计算资源的有效利用极为困难.为了解决这个问题,我们提出了一个基于Stackelberg博弈的框架,其中MEC服务器和一个聚合平台(aggregation platform, AP)充当跟随者和领导者.我们将多重资源分配和定价问题分解为一组子问题,其中每个子问题只考虑一种资源类型.首先,通过MEC服务器宣布的单价, AP通过解决一个凸优化问题来计算MD从MEC服务器购买的资源数量.然后, MEC服务器计算其交易记录,并根据多智能体近端策略优化(multi-agent proximal policy optimization, MAPPO)算法迭代调整其定价策略.仿真结果表明, MAPPO在收益和福利方面优于许多先进的深度强化学习算法.     

Wi-Fi网络下多AP协作边缘计算资源分配策略

近年来, AR/VR、在线游戏、4K/8K超高清视频等计算密集且时延敏感型应用不断涌现,而部分移动设备受自身硬件条件的限制,无法在时延要求内完成此类应用的计算,且运行此类应用会带来巨大的能耗,降低移动设备的续航能力.为了解决这一问题,本文提出了一种Wi-Fi网络多AP (access point)协作场景下边缘计算卸载和资源分配方案.首先,通过遗传算法确定用户的任务卸载决策.随后,利用匈牙利算法为进行任务卸载的用户分配通信资源.最后,根据任务处理时延限制,为进行任务卸载的用户分配边缘服务器计算资源,使其满足任务处理时延限制要求.仿真结果表明,所提出的任务卸载与资源分配方案能够在满足任务处理时延限制的前提下有效降低移动设备的能耗.     

基于车辆成组的V2V协同计算卸载策略研究

在车联网中引入V2V计算卸载技术可以缓解当前车载计算卸载热点地区路边单元(RSU)计算资源不足的问题.然而,在计算卸载过程中,服务车辆可能因故障离组或自主选择离开车组.如何返回任务结果并高效地分配计算任务是需要进一步研究的关键问题.提出了一个车组内计算任务分配算法,考虑了可能导致车辆离开车组的因素影响,以及组中每辆车能...     

基于三维等效磁网络法计算混合励磁爪极发电机负载特性

用三维等效磁网络方法计算了一台新型混合励磁爪极发电机负载特性.传统的电路法和磁路法不适合求解此类发电机电磁场.等效磁网络方法计算时间短且计算精度较高,在给出新型结构发电机三维等效磁网络模型的基础上,进一步通过计算得到混合励磁爪极发电机负载特性,最后给出输出电流优化结果.与有限元计算结果的一致性验证了计算结果的有效性,对混合励磁发电机的优化设计具有一定的理论参考价值.     

移动边缘计算中的卸载决策与资源分配策略

为在移动边缘计算服务器计算资源有限的情况下最小化系统总成本,提出一种多用户卸载决策与资源分配策略.优化任务执行位置选择和计算资源分配过程,对基于精英选择策略的遗传算法在编码、交叉、变异等操作方面进行改进,设计联合卸载决策与资源分配的improve-eGA算法.实验结果表明,与All_local、All_offload、...     

面向5G网络的MEC部署方案

多接入边缘计算技术通过将计算存储能力与业务服务能力向网络边缘迁移,使应用、服务和内容可以实现本地化、近距离、分布式部署,从而在一定程度上解决了5G增强移动宽带、低时延高可靠以及大规模机器通信类终端连接等场景的业务需求.本文在分析MEC技术在LTE网络中的应用方案以及对于5G网络的价值与意义的基础上,给出了5G MEC部...     

海面上电大尺寸目标电磁散射特性研究

基于几何光学法(GO)、物理光学法(PO)、射线弹跳法(SBR)和等效电流法(MEC),提出了一种快速计算金属海面上电大尺寸目标电磁散射的解析算法。该算法考虑了阴影效应,运用GO/PO+SBR计算了目标与海面的镜面反射以及它们之间的多次相互作用,并运用MEC计算了目标的棱边绕射以改进计算结果。应用该算法计算了平板上方规则金属目标的双站雷达散射截面(RCS),并与传统矩量法(MoM)进行比较,验证了算法的有效性。最后,计算了PM(Pierson-Moskowitz)海浪谱的随机海洋粗糙面上舰船模型目标的散射特性,并对计算结果进行了分析,讨论了海洋面以及入射波参数对散射结果的影响。