面向可靠性的5G网络切片重构及映射算法

针对传统网络切片映射方法资源利用率低且可靠性差的问题,该文提出了可靠性感知的网络切片(NS)重构及映射策略(RNSRE)。首先,建立了面向可靠性和资源的网络切片可靠映射效用函数。其次,综合考虑虚拟网络功能(VNF)的资源需求和位置约束,提出了一种VNF可靠性需求的度量方法。在此基础上,以最大化VNF可靠部署收益的同时最小化链路带宽资源开销为目标,建立了切片可靠映射整数线性规划模型。最后,针对不同的网络切片类型,提出了基于邻域搜索的网络切片映射算法和关键VNF备份的网络切片重构映射算法。仿真结果表明,所提算法在满足VNF可靠性需求的同时,提高了资源利用率,降低了映射的开销。     

一种基于联邦学习资源需求预测的虚拟网络功能迁移算法

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。     

基于多任务卷积神经网络的车辆多属性识别

细粒度车辆识别极具挑战性,尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果,但一般的神经网络模型忽略了附加属性间的联系,提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络,用于实现细粒度车辆多属性识别。具体而言,通过对传统神经网络结构的改变,将车辆识别问题转化为多属性学习问题。对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别。同时,创建了一个车辆多属性数据集并完成训练工作,结果显示了该方法的潜力。     

基于随机学习的接入网服务功能链部署算法

针对5G云化接入网场景下物理网络拓扑变化引起的高时延问题,读文提出一种基于部分观察马尔可夫决策过程(POMDP)部分感知拓扑的接入网服务功能链(SFC)部署方案。该方案考虑在5G接入网C-RAN架构下,通过心跳包观测机制感知底层物理网络拓扑变化,由于存在观测误差无法获得全部真实的拓扑情况,因此采用基于POMDP的部分感知和随机学习而自适应动态调整接入网切片的SFC的部署,优化SFC在接入网侧的时延。为了解决维度灾问题,采用基于点的混合启发式值迭代算法求解。仿真结果表明,该模型可以优化部署接入网侧的SFC,并提高接入网吞吐量和资源利用率。     

汽车制造与装配技术专业现代学徒制教学模式的探索与实践

新时期下汽车制造与装配技术专业的发展模式需要校企合作实行现代学徒制教学,强调校企合作共同探索现代学徒制教学模式是现代学徒制试点工作的重要任务,教育教学质量是高等职业院校发展永恒不变的主题,现代学徒制作为一种有效的人才培养模式,不仅能有效地促进人才培养质量的提升,也有效的弥补学校职业教育资源的不足。在通过制定实施校企协同育人机制、招生招工一体化、人才培养制度和标准、校企互聘共用师资以及对现代学徒制管理制度建设等方面取得了一定的可喜成果,但也有一些不足之处。本文就如何对现代学徒制教学模式的实施进行有效的监督、检查、评估、指导,建立合理完善的现代学徒制,提出讨论。     

异构网络负载感知的动态增强型干扰协调方案

针对密集蜂窝网络中采用封闭用户集接入控制的微蜂窝对室内宏用户会产生强烈干扰的问题,提出了一种基于负载感知的动态增强型小区间干扰协调方案. 该方案使用基于马尔可夫链的预测算法,预估了网络负载变化趋势,避免了由于LTE系统时延引起近乎空白子帧错误配置最终导致系统容量下降的问题;该方案基于网络负载预测结果,动态调整微基站近乎空白子帧配置比例,建立基于动态近乎空白子帧比例配置的最大化系统吞吐量优化模型;仿真结果表明,与传统的增强型小区间干扰协调方案对比,该方案可以在吞吐量性能上获得显著的提高.     

基于拟蒙特卡罗方法的电力系统可靠性评估

针对电力系统可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点,将以低偏差点列抽样的拟蒙特卡罗方法应用于可靠性评估中。介绍了拟蒙特卡罗方法的原理,并在误差分析方面与蒙特卡罗方法进行比较。进一步介绍了Sobol低偏差点列的构造方法。建立了以Sobol点列为抽样点的拟蒙特卡罗模拟可靠性计算模型,并与重要抽样法相结合。对3机系统和RTS79测试系统分别进行标准非序贯蒙特卡罗模拟和Sobol点列拟蒙特卡罗模拟,计算指标EDNS与LOLP,并比较误差收敛曲线。结果表明,拟蒙特卡罗方法进行可靠性计算,EDNS和LOLP指标具有更快的误差收敛速度。该方法可作为电力系统可靠性计算的一种新思路。     

无线自回传网络中基于Lyapunov的虚拟资源分配算法

为提高网络部署的灵活性,保障多样化虚拟网络的需求,针对无线自回传网络场景提出一种基于Lyapunov的虚拟资源分配策略.联合考虑系统稳定性、虚拟网络最小速率需求和小蜂窝回传容量限制,对无线接入资源和回传带宽进行联合分配,建立虚拟网络效用最大化模型;其次,运用Lyapunov优化理论设计了一种基于当前信道状态和队列状态的实时调度算法;最后,通过拉格朗日对偶算法和基于相似度随机变异的粒子群算法进行迭代求解.仿真结果表明,该方案可在保证系统队列稳定性的同时提高无线虚拟网络的平均总收益.     

基于部分可测马尔科夫决策过程业务感知的微基站休眠时长确定策略

针对密集组网场景中业务不确定性引起的基站休眠周期难以确定的问题,该文提出一种基于部分可测马尔可夫决策过程(Partially Observed Markov Decision Process, POMDP)业务感知的微基站休眠时长确定策略。该策略将周期分为长周期和短周期,每个周期由轻度和深度两个阶段构成。通过POMDP感知到达基站的业务状态,动态调整周期时长,进而选取适合当前周期的时长。仿真结果表明,该策略可以根据业务感知提前确定微基站关断时长,与基于业务门限值的基站关断机制相比节能效果更好。     

5G电力虚拟专网和数字孪生相结合的系统架构和构建

设计了一种5G电力虚拟专网和数字孪生相结合的系统架构，并考虑了终端数字孪生时同步的构建方法，提出了一种分层多智能强化学习算法。该算法决定分配给电力用户终端的资源和数字孪生体的放置，上层通过深度Q网络实现切片通信资源的分配，下层通过多智能体深度强化学习实现电力用户终端的数字孪生体放置。实验结果表明，所提出的分层多智能体算法在电力用户终端数字孪生体的同步强度上能获得较好的系统收益。