基于博弈论的多服务器多用户视频分析任务卸载算法

在过去的近10年中,人工智能相关的服务和应用大规模出现,它们要求高算力、高带宽和低时延.边缘计算目前被认为是这些应用最适合的计算模式,尤其是视频分析相关应用.研究多服务器多用户异构视频分析任务卸载问题,其中用户选择合适的边缘服务器,并将他们的原始视频数据上传至服务器进行视频分析.为了有效处理众多用户对有限网络资源的竞争和共享,并且能够获得稳定的网络资源分配局面,即每个用户不会单方面地改变自己的任务卸载决策,该多服务器多用户异构视频分析任务卸载问题被建模为一个多玩家的博弈问题.基于最小化整体时延的优化目标,先后研究非分布式视频分析场景和分布式视频分析场景两种情形,分别提出基于博弈论的潜在最优服务器选择算法和视频单元分配算法.通过严格的数学证明,两种情形下提出的算法均可以达到纳什均衡,同时保证较低的整体时延.最后,基于真实数据集的大量实验表明,所提方法比其他现有算法降低了平均26.3%的整体时延.     

基于前向纠错的自适应网络传输机制

针对无线网络中的传输控制协议(TCP)因为丢包触发丢包重传机制而导致传输性能大幅下降的问题,提出了一种基于前向纠错的自适应传输机制(AdaptiveFEC).该机制通过前向纠错来减少数据段的丢失,以避免触发TCP的丢包重传机制,从而达到提升TCP传输性能的目的.首先,根据当前的网络状况以及当前连接的数据传输特征确定当前...     

SG-Edge: 电力物联网可信边缘计算框架关键技术

随着国家电网电力物联网的逐步推进,作为其核心支撑技术的边缘计算框架逐渐成为研究热点.首先,总结了物联网和边缘计算框架方面的已有研究工作;其次,通过分析电力物联网在业务场景、边缘计算、信息安全等方面的关键技术难题,提出了一种适应于电力物联网的可信边缘计算框架SG-Edge;随后,结合边缘框架的可信防护关键难题,给出了硬件可信引导、软件行为动态度量等关键技术方法;最后,从业务适应性、安全性以及性能等方面对SG-Edge进行了全面评估,并对未来研究可能面临的挑战进行了展望.     

一种基于网络感知的虚拟机再调度算法

有效的虚拟机调度策略能够提高数据中心的资源利用率,降低运行时能耗.现有调度算法综合考虑了虚拟机在CPU、内存和网络方面的需求,通过合理部署虚拟机,以期最小化计算、存储与网络的代价.然而,在线的虚拟机部署策略较少考虑由于虚拟机退出所造成的资源利用率下降与网络延迟上升的问题.为此,文中深入研究面向网络感知的周期性资源重配置问题,提出了面向网络感知的虚拟机再调度算法,通过适当的虚拟机迁移,提高部署在虚拟机上任务的性能以及数据中心整体的网络通信效率.算法通过尽可能低代价的虚拟机迁移来提高虚拟机之间的网络通信能力,以提升虚拟机组的整体运行效率,并保持物理机占用但不显著提高.作者通过两个测试平台在真实环境中验证了算法的有效性;通过真实的数据集和模拟实验,在多种虚拟机部署算法下,对比了应用虚拟机再调度算法前后虚拟机的部署效果,验证了该算法能够以较小的代价使得高网络通信代价的任务数明显减少,虚拟机组的网络通信能力显著提高.     

基于Petri网的Web服务自动组合研究

根据Web服务中消息和行为的关系,Web服务被描述为面向消息的基于行为Petri网模型(Moap)．该模型包括消息域和服务过程,前者是服务协同以及和用户通信的通道,后者是基于Petri网的Web服务行为过程描述．Moap支持组合服务的重用,可以很好地描述可用服务的并行调用,另外元消息机制也有利于服务的自动组合．在Moap基础上,定义了服务组合系统和服务的协同;给出了服务自动组合规则,并证明了其有效性和完备性．最后,通过一个实例直观描述了服务组合系统的工作方式．     

计算机问题求解课程的内容建设

为了更好地体现计算机专业基础课程对于学生的能力培养,南京大学计算机科学与技术系重组了计算机导论、离散数学、程序设计、数据结构和计算机算法设计与分析五门课程的内容,打破课程间的边界,突出问题求解主线,形成新的"计算机问题求解"课程。文章介绍课程内容以及内容设计的基本思路。     

组合服务自动合成技术

Web服务凭借其良好的平台无关性得到了广泛的关注和运用,但单个Web服务功能单一,不能满足当今日益复杂多变的服务请求.为了能够快速、低成本地满足复杂的用户需求,Web服务组合应运而生.本文首先介绍了各类Web服务的描述模型,然后基于不同的描述方法,结合近年来Web服务组合研究的成果,介绍了Web服务自动合成技术,最后对Web服务组合的未来发展和研究方向做出了展望.     

计算机问题求解课程讨论课的组织和实施

计算机问题求解课程是对计算机专业本科阶段核心课程的整合,以提高学生的自学能力为目标。文章以哈希表内容为示例,介绍计算机问题求解讨论课的组织和实施。     

面向大数据的图模式挖掘概率算法

在当今大数据时代,MapReduce等大数据处理框架处理数据能力有限,其在处理有关图的数据时常常显得缓慢低效,典型如3-clique计数问题,故需要探究一种高效的算法处理这类clique计数问题。由于在前人文献中对3-clique计数问题已有深入探讨,故针对该问题的扩展版本—4-clique计数问题进行探究。在一个启发式的想法下提出了基于邻边采样的概率采样算法,利用切诺夫不等式证明该算法在近似条件下只需要一定数量的采样器作为相对误差的性能保证。通过实验评估对比发现,相对于传统精确算法,概率采样算法虽然在结果上损失了少量的精度,但在算法运行时间和空间占用上具有巨大的优势。最后得出其在实际应用中具有巨大实践价值的结论。     

面向大数据处理的数据中心节能调度策略研究

基于多副本的分布式存储是数据中心的主要数据存储方式,为应用提供可靠、高效的数据读取服务.针对当前日益增多的大数据分析应用,以及频繁数据读取带来的较大能耗等问题,文章分析异构存储系统数据读取能耗的差异,提出面向大数据处理的异构存储节能调度问题(Energy Reduction problem on Heterogeneo...