边缘计算的物联网深度学习及任务卸载调度策略

为解决物联网深度学习模型的网络性能和隐私问题,提出一种边缘计算的物联网深度学习应用及任务卸载策略,以优化网络性能,保护数据上传中的用户隐私。深度学习的多层结构适用于边缘计算,边缘节点上传缩减的中间数据,因此减少了从物联网设备到云服务器的网络流量。考虑到边缘节点有限的服务能力,提出一种边缘计算环境中最大化任务数量的卸载调度策略,优化边缘计算的物联网深度应用性能。实验结果表明,该策略能够在边缘计算环境中执行多个深度学习任务,并且性能优于其他物联网深度学习优化解决方案。     

基于移动边缘计算的GI/GI/1排队建模与调度算法EI北大核心CSCD

针对车联网环境下路侧边缘计算节点部署不均衡、服务密度小、实时调度计算压力大等问题,提出一种基于智能车移动边缘计算(Mobile edge computing,MEC)的任务排队建模与调度算法,提供弹性计算服务,将具备感知、计算、控制功能的智能车作为移动边缘计算服务器,设计了车联网环境下的MEC体系架构.首先基于虚拟化技术对智能车进行虚拟化抽象,利用排队论对虚拟车任务构建了GI/GI/1排队模型.然后基于云平台Voronoi分配算法对虚拟车任务进行分配绑定,进而实现了智能车的优化调度与分布式弹性服务,解决了边缘计算任务分配不均衡等问题.最后通过城市交通路网中的车辆污染排放的实时计算实验,验证了该方法的有效性.     

面向移动边缘计算网络的高能效计算卸载算法

移动边缘计算（mobile edge computing,MEC）是一种高效的技术,通过将计算密集型任务从移动设备卸载到边缘服务器,使终端用户实现高带宽、低时延的目标.移动边缘计算环境下的计算卸载在减轻用户负载和增强终端计算能力等方面发挥着重要作用.考虑了服务缓存,提出一种云-边-端协同的计算卸载框架,在该框架中引入D2D （device-to-device,D2D）通信和机会网络.基于建立的模型,将计算卸载决策问题转化为一个混合整数非线性规划问题,并对无线特性和移动用户之间的非合作博弈交互制定了一个迭代机制来共同确定计算卸载方案.对提出的计算卸载算法从理论上证明了多用户计算卸载博弈模型为严格势力场博弈（exact potential game,EPG）,卸载决策可获得全网范围内的最优效益.考虑到服务器的计算资源、卸载任务数据量和任务延迟需求,提出对用户和MEC服务器之间最佳用户关联匹配算法.最后,模拟结果表明,卸载决策算法具有较快的收敛速度,并在能效方面优于其他基准算法.     

基于合约设计的移动边缘计算任务卸载策略研究

移动边缘计算将边缘服务器部署到无线局域网侧,将部分计算密集任务卸载到边缘云服务器,从而缩短计算服务与移动设备的距离,降低数据传输成本.考虑移动边缘计算(MEC)环境下的计算任务分配问题,通过探索用户体验敏感度的异质性,建立CPU运算周期数-数据量-价格的三元组合约模型,提出基于合约理论的计算任务分配策略,以最大化云服务商的利润为目标,同时保证移动用户的非负效益.分别讨论完整信息场景下和统计信息场景下的最优合约设计策略.仿真结果验证了所提出方案可以有效实现计算任务的卸载.     

多任务的边缘联邦学习:一种融合契约论和匹配博弈的激励机制

联邦学习（Federated Learning,FL）是一种新兴的分布式机器学习范式,它允许移动设备以分散的方式协作训练全局模型,同时保持训练数据在终端上面。然而,由于数千个异构分布式终端设备参与FL任务,所以FL面临的挑战是通信效率问题。为了解决上述问题,基于边缘计算的FL被提出来了,即边缘联邦学习。边缘计算利用终端设备附近的边缘节点执行模型参数的下发和聚合,进而降低通信时间。尽管有上述巨大的好处,多任务的边缘联邦学习的激励机制尚未得到很好的解决。因此,提出了一种融合契约论和匹配博弈的激励机制;然后,基于三个数据集的实验结果验证了该激励机制和匹配算法的有效性。     

一种最小化时延多边缘节点卸载均衡策略研究

边缘服务器和通信网络的接入点(例如基站)集成部署构成边缘节点,可以在网络的边缘同时实现通信和计算的功能.边缘计算作为一种介于本地计算与云计算中间的一种新型计算范式,一方面缓解了中心云的负载压力,另一方面因为更靠近用户,有效减少了设备卸载计算产生的传输时延.在边缘计算中,边缘节点的计算资源相比于计算资源丰富的中心云是有限的;另一方面,在不同区域的边缘节点服务于不同的群体,其负载量的差距是是悬殊的,有的过载,有的过于空闲.为解决边缘节点中服务器的负载均衡问题,本文考虑通过软件定义网络(Software Defined Network, SDN)监控网络中的数据流量,调控热点区域的数据以多跳的方式卸载到周边的节点执行计算任务,实现热点区域降热减少执行任务时延的目的.同时,本文提出了基于量子粒子群算法的边缘节点卸载算法和一种基于启发式算法的边缘节点负载均衡算法来求解此问题.最后通过仿真实验验证了我们所提出方案的有效性.     

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%。     

面向空天地一体化信息网络的边缘计算资源融合管理方法

随着空天地一体化信息网络的建设与发展，无线网络的全球无缝覆盖与泛在的人工智能成为了可能.卫星与无人机作为天基边缘计算节点，辅助地面设备完成各项任务，成为6G网络中的重要应用场景.当前针对卫星、无人机边缘计算的研究处于起步阶段，这些研究在边缘计算服务模式及实际应用方面仍有待进一步深入.单个卫星或无人机的计算能力薄弱，通常难于独立提供较复杂的数据处理服务.现有资源管理算法通常需要多轮博弈才能收敛，难于满足空天地一体化场景中资源管理方法快速收敛的需求.针对以上挑战，本文在天算星座边缘计算服务场景基础上，对空天地一体化网络中天基资源的服务模式进行了分析，提出了组合及聚合两种计算服务融合方式.本文将天基边缘计算资源的管理建模为两阶段的斯坦科尔伯格博弈模型，提出了分布式混合动态迭代算法与分布式分组动态迭代算法，加快了博弈过程的收敛速度.本文基于分布式场景构建了仿真实验，并在典型参数设置下对算法性能进行了分析.仿真实验结果表明：在两种不同服务模式下，本文提出的方法能够使空中边缘计算节点与用户设备获得最大收益;相比近年相关研究，本文所提方法的收敛时间能够缩短60%以上.     

基于非协作博弈的边缘分布式缓存方案

随着多媒体数据流量的急剧增长,传统云计算模式难以满足用户对于低延时和高带宽的需求.虽然边缘计算中基站等边缘设备拥有的计算能力以及基站与用户之间的短距离通信能够使用户获得更高的服务质量,但是如何利用边缘节点的收益和成本之间的关系设计边缘缓存策略,仍然是一个具有挑战性的问题.利用5G和协作边缘计算技术,在大量短视频应用场景下,提出了一种协作边缘缓存技术来同时解决以下3个问题：（1）通过减少传输延时,提高了用户的服务体验;（2）通过近距离传输,降低了骨干网络的数据传输压力;（3）分布式的工作模式减少了云服务器的工作负载.首先定义了一个协作边缘缓存模型,其中,边缘节点配备有容量有限的存储空间,移动用户可以接入这些边缘节点,一个边缘节点可以服务多个用户;其次,设计了一个非协作博弈模型来研究边缘节点之间的协作行为,每一个边缘节点看成一个玩家并且可以做出缓存初始和缓存重放策略;最后,找到了该博弈的纳什均衡,并设计了一个分布式的算法以达到均衡.实验仿真结果表明,提出的边缘缓存策略能够降低用户20%的延时,并且减少了80%的骨干网络的流量.     

基于边缘计算的分支神经网络模型推断延迟优化

针对云服务器上深度神经网络（DNN）模型推断任务延迟过高的问题,提出基于边缘计算的分支神经网络部署模型。分析了边缘计算场景中深度神经网络的分布式部署问题,证明该问题是NP-难的。设计了一种基于分支定界思想的部署算法（DBB）,选择合适的边缘计算节点部署模型以减少推断任务的延迟。设计并实现了选择节点退出（SNE）算法,为不同任务选择合适的边缘计算节点来退出推断任务。仿真实验结果表明,与在云端部署神经网络模型的方法相比,基于边缘计算的分支神经网络模型的推断延迟平均降低了36%。     

边缘计算在智慧交通和智能网联行业的应用分析

智慧交通和智能网联是边缘计算应用的典型场景。在“云-边-端”系统架构中,边缘计算承载着云侧算力下沉及端侧计算任务卸载的使命。本文分析了边缘计算在智慧交通及智能网联应用中面临的挑战及发展趋势,研究了不同业务场景下边缘计算需要处理的主要内容,分析了边缘计算在“云-边-端”架构中的重要作用。     

边缘计算的配电网信息物理系统研究

为了加快配电网系统的数据处理效率,本研究在配电网信息物理系统中应用边缘计算技术,在数据源的一端就近提供计算服务,具有反馈环节使物理系统与信息系统之间紧密联系.提出协作式边缘计算资源的优化配置策略,将系统业务请求和计算任务分给其他边缘节点和云数据中心,协调器根据网络的资源分配决策变量执行优化分配;对信息系统中的脆弱点进行...     

工业互联网边缘计算数据管控标准

在工业系统信息化与智能化逐步推进的形势下,边缘计算已变得越发重要。相比云计算在大数据处理分析方面的优势,边缘计算在低延时与高可靠的场景中有着云计算无法替代的优势。边-云协作已经成为工业互联网、自动驾驶、智慧城市等边缘计算重要场景的新趋势。利用云的强大计算与储存能力来处理历史数据进行分析优化,而依靠边缘计算的能力解决高实时性任务。然而,现有的边-云协作数据管控缺乏统一标准,造成各个平台与设备兼容性差,导致工业互联网无法互联互通。因此,IEEEP2805边缘计算节点系列标准的设立为自主管理、数据清洗缓存、边-云协同机器学习等方向提供了标准化参考。     

基于MEC的计算资源分配方案研究

为解决资源受限情况下执行计算密集型任务带来的服务器过载、等待时延过长等问题,本文构建了异构边缘云网络模型,将计算任务卸载到无人机、路边单元和车辆等具有一定计算能力的边缘节点中,并进行处理。以降低系统平均开销为目的,将计算资源分配问题转化为目标优化问题,并采用拉格朗日乘子法进行求解。与基线方案进行对比实验,仿真结果表明,本文提出的方案可以有效地降低系统平均开销。     

一种面向边缘计算环境的去中心化服务请求分发方法

边缘计算模式的出现使得软件服务可以部署在距离用户较近的边缘服务器上,从而减小服务调用过程中产生的数据传输开销,并提升服务质量.然而,由于计算和存储等资源的限制,边缘服务器通常只能部署有限数量的服务实例,无法满足复杂多样的服务请求,加之边缘计算环境下服务请求分布不均导致了边缘服务器之间负载的不均衡性.因此,边缘计算环境下需要对服务请求进行再分配来满足不同的服务请求并优化服务供应.如何合理地将服务请求分发到合适的边缘服务器以优化系统的负载均衡并提升服务质量成为亟待解决的关键问题.现有的研究方法通常采用集中式的方法来解决该问题,存在单点故障等严重缺陷.因此,本文基于博弈理论设计了一种面向边缘计算环境的去中心化服务请求分发方法.该方法将边缘服务器间的服务请求分发问题建模为分布式的非合作博弈模型,通过多轮次的博弈和竞争达到系统的Nash均衡状态,以此获取服务请求的分发策略.实验结果表明,本文所提出的方法可以有效优化边缘服务器之间的负载均衡,降低服务的响应时间,并且随着系统规模的扩大表现出良好的可扩展性.     

DANCE:一种面向云-端动态集成的服务适配方法

边缘计算可以通过将计算移到边缘设备上来提高大型物联网流数据处理质量以及降低网络运行成本.对于流数据处理,边缘设备通常只有有限的计算能力和存储能力,显然不能支持所有的实时流数据查询和处理.本文尝试引入服务并在边缘和云之间灵活地划分服务来实现云-端集成,云服务和端服务之间通过事件机制进行服务适配.物联网动态环境中,云-端服务的动态适配是使云基础设施和端设备间无缝集成的关键.动态集成背景下的服务适配需要把握适配时机来应对端服务适配请求的不确定性和非完全适配等难题.针对这一问题,论文提出了一种面向云-端动态集成的服务适配方法(Dynamic Adaption cloud Services with Edge Services,DANCE).这种方法的主要贡献在于:将云服务实例和端服务实例之间的适配问题建模为二分图顶点之间的动态匹配问题,同时结合排队论中的M/M/c/∞模型对二分图最优匹配Kuhn-Munkres算法进行了优化改进,保障适配过程中端服务实例的全局平均请求响应时间最小.最后,基于真实的电能质量监控案例和数据,验证了本文方法的有效性.     

基于监察博弈的对等网激励机制的研究

在对等网络中,存在着大量的Free-Ride节点,会严重影响到系统的性能,如何激励这些节点提供服务是提高对等网性能的重要因素.本文在节点理性假设的基础上,借助博彝论为工具,提出一种采用监察策略的对等网激励机制,并计算出了采用监察博弈的混合策略纳什均衡策略,重点分析了监察成本与参与人收益之间的博弈关系.仿真实验表明,通过采用适当的监察概率,能保证在较小的网络开销下,达到激励节点主动参与贡献资源的目的.     

基于边缘计算的铁路无人值守站监测应用研究

设计搭建了基于边缘计算的铁路无人值守站监测应用平台架构,解决了传统云架构搭载铁路视频监测应用后存储及计算负荷重的问题.通过搭建"云-边-端"协同的边缘计算架构,将原本置于云中心内的计算迁移至局域边缘节点进行计算,平台被分为采集层、分析层及管理层三层的功能以传递分散计算量.给出了局域边缘节点搭载的关键算法逻辑.最优公网链...     

天地一体化智能网络智能节点部署策略

针对传统卫星网络中,由于低轨卫星节点计算能力不足,导致大量计算任务需要传输到高轨卫星计算或转发,进而产生巨大传输时延的问题,本文利用移动边缘计算技术,结合天地一体化智能网络架构,提出了一种基于人工蜂群的智能卫星节点优化部署算法.该算法通过迭代,结合网络分簇算法,选出边缘服务有效覆盖率最高的智能卫星节点部署策略.从而使得...     

基于区块链的外包服务公平支付方案

随着外包计算服务的快速发展,云计算吸引了越来越多的个人和企业使用外包服务提供商的服务.而雾计算进一步将云计算扩展到网络边缘,在雾计算中,用户由于受计算资源的约束,所以将计算任务外包给雾节点.然而,用户和雾计算节点之间的相互不信任,将会导致公平支付的问题.现有的大多数解决方案采用的是传统的支付机制,需要依赖银行来实现支付.为了实现外包服务的公平支付问题,本文提出了基于区块链的外包服务公平支付方案,通过区块链智能合约支付报酬.同时本文提出的方案可以确保如果雾计算节点完成了计算任务,则用户必须支付报酬给雾计算节点.而如果雾计算节点没有完成计算任务,则用户可以获得赔偿.系统分析表明本方案实现了外包服务的正确性和公平性,并且其消耗在可接受范围内.