异构网络中任务卸载与资源分配联合优化算法

在有限的网络边缘资源约束下,考虑到业务的多样性和网络接入的异构性对任务卸载和计算资源分配的影响,在本地和服务器共同处理任务的背景下,提出了一种异构网络场景下结合李雅普诺夫优化理论和搜索树算法对任务卸载和计算资源分配的联合优化方法,分析了卸载收益与延迟之间的折中关系,优化了任务卸载与计算资源分配。同时,为了对搜索树进行快速分支定界,设计了一种卸载优先级准则。最后,通过仿真实验验证了所提算法的有效性和合理性。     

基于车辆边缘计算的用户能耗最小化资源分配研究

考虑车辆时变信道对资源分配策略的影响,构建在保证任务QoS要求下的车载用户终端能量消耗最小化问题。利用车辆信道可预测特性以及李雅普诺夫随机优化理论将原问题分解为计算资源分配和无线资源分配两个子问题。由于计算资源分配子问题是单变量优化问题,因此可以直接得到解决方案。而对于无线资源分配子问题,通过将其转换为单变量优化问题进行求解。基于两个子问题的结果,提出一种联合无线与计算资源分配算法。仿真结果显示,当数据包平均到达速率从20个/时隙增加到40个/时隙时,该算法能耗相较于传统的贪婪算法能耗降低了48.85%。     

车联网场景中时延受限内容传输方案

在路侧基础设施密集部署的车联网场景中,针对车载终端时延受限内容的下载需求,提出了一种调度算法.该算法基于李雅普诺夫优化方法,利用分组的等待时延建立李雅普诺夫方程,通过传输和丢包决策可以保证用户的时延需求,并保证系统稳定.仿真结果表明,相比于最早过期优先算法,提出的方法在满足用户时延需求的同时,进一步提升了系统的吞吐量.     

无线MEC系统中队列状态感知的卸载和 传输联合优化

针对多用户-多移动边缘计算服务器系统的动态计算任务卸载问题,基于用户端和服务器端的任务队列模型,以系统的长期平均时延和长期平均功耗为优化目标,求解最优的卸载策略及相应的上行预编码.通过李雅普诺夫优化方法将长期平均问题转化成单阶段目标优化问题,考虑到卸载策略和预编码之间存在范数约束关系,通过连续近似和半正定松弛,可转化成典型的DC规划求预编码解问题.仿真结果表明,所提方案比传统方法具有更低的时延和功耗.     

数字孪生辅助UAV网络计算卸载优化

针对动态时变无人机(UAV)网络环境下智能终端有限计算资源不能满足资源密集型任务计算需求的问题,使用数字孪生技术构建了UAV网络的孪生模型,并设计了智能终端计算卸载策略。将计算任务卸载过程建模为马尔可夫决策过程,建立联合UAV悬停点选择、计算卸载决策、UAV计算资源分配的优化模型。考虑到孪生模型与真实UAV网络的虚实映射误差,提出了基于近端策略优化的计算卸载优化算法。仿真结果表明,所提算法在适应虚实映射误差方面优于传统的深度强化学习算法。     

李雅普诺夫噪声主动控制算法的研究

为解决噪声主动控制系统中的非线性问题,提出基于李雅普诺夫稳定性理论的李雅普诺夫噪声主动控制算法。同基于梯度下降原理的传统噪声主动控制FXLMS算法不同,该算法首先定义跟踪误差的李雅普诺夫函数,基于李雅普诺夫稳定性理论自适应地调整输出误差双线性滤波器的权系数,使系统的误差渐近趋近于零,并且根据李雅普诺夫稳定性理论确保噪声主动控制系统的稳定性。通过仿真可以看出,在非线性噪声主动控制系统中,李雅普诺夫噪声主动控制算法优于FXLMS算法.     

家庭智能电器负荷调度和能量分配优化算法

为了解决家庭用电高额能耗问题和提高用户供用电收益,针对家庭中具有用电差异性的负荷进行能量调度.根据可转移属性,将家庭用电负荷分为2个类别：弹性负荷和非弹性负荷.联合分布式可再生能源和储能设备构建智能电器用电负荷调度优化模型,基于李雅普诺夫优化理论提出时变电价下的家庭用户多电器能量分配算法.所提算法充分考虑了不同智能电器的用电负荷响应及调度优化问题.理论性能分析证明,所提算法能够在不需要系统的先验统计信息的情况下使优化目标渐近最优.对所提算法的用户收益提升能力进行仿真验证,结果表明,相较于未考虑各家用智能电器实际需求和可容忍时延的分配算法,所提算法可将用户收益提高11.2%.     

VEC中多边缘节点协作卸载与资源分配算法

针对车载边缘计算(VEC)中任务计算成本高和边缘节点负载不均衡的问题，将软件定义网络(SDN)与多边缘计算相结合，构建了“端-多边-云”3层软件定义车载边缘计算模型，并提出了一种新的协作卸载和资源分配算法。使用SDN控制器从全局角度获取网络信息，对任务卸载和资源分配进行统一调度。将改进的k-means算法用于确定任务的初始卸载决策，将任务分别分配到本地簇、边缘节点簇和云服务器簇中。此外，利用深度Q网络算法获得了边缘节点簇中任务最优的卸载决策、卸载比例和资源分配策略。仿真实验结果表明，相较于对比算法，用所提算法使任务的计算成本降低了18.6%以上，提高了22.9%以上的边缘节点资源利用率，并实现了边缘节点间的负载均衡。     

改进多种群进化算法求解移动边缘计算中任务调度问题

移动边缘计算通过在靠近用户端的网络边缘部署服务器,为用户提供低时延的网络通信服务和类似云的计算服务。移动设备通过网络接入点将任务卸载到边缘服务器进行处理,能够有效地减少移动设备的能耗以及任务的完成时间。然而,用户在卸载任务时需要支付一定的通信成本。本文在构建包含多个用户和多个边缘计算节点的移动边缘计算环境的基础上,建立了最小化移动设备的任务完成时间、能耗以及通信成本的数学模型。为了解决上述问题,本文提出了一种改进多种群进化算法的任务调度优化算法。该调度算法通过优化卸载决策和资源分配决策来达到降低移动设备综合成本的目的。大量仿真实验说明,该任务调度算法与其他几种的任务调度算法相比,能够更有效地降低移动设备的综合成本。     

MEC中面向动态环境的工作流D2D协同卸载方法

为解决现实场景中终端设备的移动性与性能波动对工作流D2D(device-to-device)协同卸载带来的问题,提出一种面向动态环境的工作流D2D协同卸载方法,以尽可能小的卸载成本保证工作流在时间约束内得到及时响应。在工作流的卸载执行过程中感知其执行时间状态,并提出贪婪有序自适应搜索算法进行高效的工作流D2D卸载决策,根据环境变化及工作流执行时间状态在线调整卸载方案。仿真结果表明,该卸载方法在动态环境中具有有效性,并且卸载决策所需的计算开销很低(仅为粒子群优化算法的1.63%),具有较高的实时性。     

基于平均场博弈的超密集网络边缘缓存和删除分配研究

超密集网络设备数目庞大导致缓存分配算法复杂度极高,频繁地缓存和删除同样的内容导致的系统不稳定,为此,提出了基于平均场博弈（MFG）的分布式缓存分配算法和基于李雅普诺夫漂移加惩罚（DPP）方法的分布式删除分配算法.MFG方法使缓存分配算法的复杂度与基站数目无关.DPP方法将具有时间相关性的删除分配问题解耦成为每个时刻的问题,并求解得到了兼顾系统稳定性和网络开销优化的删除分配策略.仿真结果表明,MFG方法能够使网络最优控制策略快速收敛,并且在超密集场景下得到明显低于基本缓存分配方法的网络开销;李雅普诺夫DPP方法能够实现兼顾网络开销优化的网络缓存和删除稳定性.     

智能电网中终端用户的双向能量交易算法

针对智能电网中配备有可再生源收集装置和储能电池的终端用户,基于能量收集的随机性、电价变化和电池的存储能力,研究终端用户与电网的双向能量交易问题,目的 是最大化用户的收益.采用李雅普诺夫优化理论提出的实时算法复杂度低,且不需要知道用户能量需求、电价变化和可再生源到达的统计特性.理论分析表明,所提算法可使优化目标无限趋于最...     

最小事件间隔时间可设计的分布式事件触发优化算法

针对多智能体系统中的分布式凸优化问题,本文提出一种基于自适应事件触发机制的零梯度和优化算法.基于虚拟时钟设计了一种自适应事件触发条件,当每个智能体的虚拟时钟满足该条件时才触发条件,有效地降低了控制器的更新次数和系统的通信负担.通过构造李雅普诺夫函数,证明了在该算法下所有智能体的状态能渐近收敛到全局最优解.此外,所设计的事件触发条件使得最小事件触发间隔时间可设计,有效地排除Zeno行为.最后,通过仿真验证了该算法的有效性.     

面向虚拟社区物联网的信任推荐算法

现有的基于信任的推荐模型中,交互请求者都会选择当前信任度最高的对象进行交互,这会造成虚拟社区中的资源不能被充分利用,可信度高的对象也会因为超负荷而造成响应延时,引起信任度的下降.为了解决该问题,提出了一个考虑社区节点信任度稳定性与社区利益的推荐算法.该算法采用李雅普诺夫优化的思想,社区控制中心根据目前各成员节点的状态与请求者的特征做出满足请求者的约束条件,同时保证社区节点信任度稳定性,并使得社区所得利益最大的决策.对算法进行理论分析与仿真实验表明,与传统方法相比,该算法使得社区节点的信任度与工作负荷更加稳定,同时可使整个虚拟社区与资源请求者获得更多的利益.     

线性系统稳定性分析和双线性变换的两个算法

本文给出了用于控制系统计算机辅助设计程序包中的两个算法。(一)线性定常系统的李雅普诺夫稳定性分析算法:将李雅普诺夫方程A~*P+PA=-Q写成扩展矩阵方程,求出P后,用递推算法判断P的正定性,并据此判断系统的渐近稳定性。(二)关于双线性变换的算法:由传递函数G(s)出发,通过Tustin变换得到可用于快速仿真的离散状态方程,再由离散状态方程计算脉冲传递函数G(z)。两种算法均编成FORTRAN程序,在Cromemco计算机上通过,并进行了实际运算,分别与QR算法及文献中的算法进行了比较。     

一类混杂系统的近似稳定控制设计

研究了具有非光滑李雅普诺夫函数的混杂系统的近似稳定控制设计问题.首先利用非光滑优化方法研究了这类混杂系统的稳定控制设计中的数值计算问题,然后给出相应的稳定控制设计方法和步骤.仿真实验表明了该控制方法的可行性和有效性.     

基于化学反应优化算法的边缘计算任务卸载策略

针对边缘计算环境中单用户多任务应用,通过分析服务缓存和任务执行过程,建立任务计算卸载系统模型,确定卸载目标,并将问题细化为服务缓存和任务卸载两个子问题,其中服务缓存问题被抽象为0-1背包问题,利用化学反应优化（CRO）算法得到其最优缓存策略;任务卸载问题转化为最优化问题,设计一种改进化学反应优化（ICRO）算法来得到其近似最优卸载决策。实验结果表明：ICRO算法比CRO算法的平均优化效果增强了5.0%左右,系统时延和设备能耗分别是极端情况下的33.3%、53.8%;无论服务器缓存空间是否充足,CRO算法总是能制定出合理的缓存方案,使服务缓存比例保持在一个合理的范围之内;ICRO算法比CRO算法的优化能力更强,它不仅可以明显降低系统总成本,还具有良好的全局搜索能力和可移植性,可以满足用户多样化需求,使用户获得更好的服务体验。     

常系数线性差分方程组的李雅普诺夫函数公式

<正> 王慕秋、刘永清、王联对常系数线性差分方程组曾在特征方程的所有根μ_i 都满足|μ_i|<1的情况下构造了一个明显的李雅普诺夫函数公式。本文利用他们的定理简化了构造李雅普诺夫函数公式的步骤,通过直接解线性代数方程组给出李雅普诺夫函数公式;并进一步研究了特征根至少有一个满足|μ_1|>1情况下的李雅普诺夫函数的存在性问题。还就 n=2和 n=3给出了两种解法统一性的例子。一、李雅普诺夫函数公式的简化考虑常系数线性差分方程组     

一种基于动态事件触发的分布式优化算法

针对多智能体系统优化问题,提出一种基于动态事件触发机制的分布式优化算法.基于李雅普诺夫函数方法设计一种新型的动态事件触发控制器,相较于传统静态事件触发控制方法,所提出算法可有效降低多智能体间通信负担以及控制器计算负担.此外,利用周期采样信息进行事件触发条件设计,可避免智能体连续检测事件触发条件,并可消除Zeno现象.通过数值仿真验证了算法的有效性.     

OFDMA解码转发中继系统的最优资源分配

针对正交频分多址接入-解码转发（OFDMA-DF）中继系统,提出了以最大化系统加权和速率为目标的子载波分配、功率分配、传输方式选择和中继选择联合优化问题. 基于凸优化理论,提出了一种最优资源分配算法,其复杂度仅与子载波数成线性关系. 理论分析和仿真结果表明,结合用户权重的调整,该算法既可实现资源分配的公平性,又可有效利用中继节点的能力,提高系统容量.