智慧社区边缘计算场景下基于免疫算法的卸载决策优化

边缘计算通过将云计算中心的计算和存储资源下沉至距离用户更近的网络边缘,用户可将任务卸载至边缘计算节点执行,以获得更低的任务时延和能耗.针对智慧社区场景下的任务卸载决策问题,构建了联合优化任务时延和能耗的卸载决策优化模型;在免疫算法中引入交叉操作,并对克隆算子、变异算子进行了改进,给出了一种基于改进免疫算法的任务卸载方案,并对该模型进行仿真实验.结果表明：该方案优于基于粒子群优化算法方案、基于遗传算法方案和基于免疫算法的卸载方案,可以有效降低任务时延和能耗.     

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。     

面向硬件感知的边缘计算卸载和资源分配

传统的边缘计算卸载研究并未涉及计算机硬件实现的细节,计算模型建模粗糙,优化方案精准度低。为此,提出了基于硬件实现的多用户多边缘服务器计算卸载和资源分配联合优化方案,充分考虑了计算过程硬件实现的细节,从计算机指令执行粒度出发,综合计算机输入/输出瓶颈和内存功能模块的能耗,重新建立联合优化模型,并在满足卸载任务时延要求的前提下最小化系统能耗。 此外,为解决动作空间高维的问题,采用了基于深度确定性策略梯度的混合在线二部匹配算法。仿真结果表明,计算过程中的内存能耗不可忽略,且所提出的优化算法能够有效学习最优策略,对降低系统能耗具有显著作用。     

MEC系统中面向网络切片的3C联合资源分配算法

移动边缘计算（MEC）相关研究已经成为未来移动网络的热点研究之一.在基于网络切片的雾无线接入网络中,提出了一种面向网络切片的MEC系统通信计算缓存（3C）联合的资源分配算法.给出了面向网络切片的多MEC协作资源分配模型,其中考虑了无线接入带宽与回程链路带宽的限制以及MEC系统计算与缓存资源分配对网络切片服务时延的影响;基于服务时延定义了用户获得资源的效用值,构造了系统效用值最大化问题优化不同网络切片下的用户接入、计算与缓存资源分配,并采用连续凸近似交替迭代方法获得近似最优解.对所提算法性能进行了仿真验证,仿真结果表明,所提算法实现了系统总效用值优化,提高了面向网络切片的MEC系统资源利用效率.     

移动网络SFC部署与计算资源分配联合算法

在网络功能虚拟化的移动核心网中,提出了一种基于服务功能链（SFC）部署与计算资源分配联合算法.首先考虑SFC中虚拟网络功能（VNF）计算资源分配对处理时延的影响,建立SFC部署与计算资源分配联合优化问题,实现SFC的部署成本和端到端时延加权和的最小化.其次,为了求解所提优化问题,利用多智能体深度确定性策略梯度算法,从SFC各VNF的历史数据中学习策略指导即时的通用服务器节点选择和计算资源分配,提出了相应的SFC部署与计算资源分配联合算法.仿真结果表明,所提算法可以在保证SFC的服务质量需求的条件下实现部署成本和端到端时延的有效权衡.     

车辆边缘计算中基于深度学习的任务判别卸载

车辆边缘计算（VEC）将移动边缘计算（MEC）与车联网（IoV）技术相结合,将车载任务下沉至网络边缘,以此解决车辆终端计算能力有限问题。为了克服任务数量骤增的车载任务调度难题并提供一个低时延服务环境,首先依据所选的5大特征参数的动态关联变化准则,使用改进型层次分析法（AHP）将车载任务划分为3类主要任务,基于3种卸载决策进行资源分配联合建模;随后,利用调度算法和罚函数来消除建模的约束条件,所获的代价值为之后的深度学习算法提供输入;最后,提出一种基于深度学习的分布式卸载网络算法来有效降低VEC系统的能耗与时延。仿真实验结果表明,所提卸载方案相较传统深度学习卸载方案具有更好环境适应性与稳定性,并降低了任务平均处理时延与能耗。     

面向多用户的移动边缘计算任务分级处理卸载机制

在信道资源受限情况下，最小化卸载过程中的时延和能耗是改善基于无线携能通信的多用户移动边缘计算(MEC)网络卸载性能的关键因素之一。通过规划计算任务的卸载比重和链路传输过程中的信道分配，提出一种多任务分级处理机制(MHPM),以实现计算卸载过程中信道资源的合理调度。同时，根据移动终端设备在MEC卸载过程中的平均时间消耗和能量消耗，构建了约束多目标优化问题的数学模型，并结合MHPM和约束非主导的排序遗传算法Ⅱ求解该模型，从而实现了设备时延与能耗之间的有效均衡。仿真实验结果表明，采用MHPM可以降低设备在卸载过程中的平均时间消耗和能量消耗，而利用约束多目标优化算法可以得到目标函数的最优解。     

MEC计算卸载与资源分配联合智能优化方案

移动边缘计算(MEC)中的分布式基站部署、有限的服务器资源和动态变化的终端用户使得计算卸载方案的设计极具挑战。鉴于深度强化学习在处理动态复杂问题方面的优势,设计了最优的计算卸载和资源分配策略,目的是最小化系统能耗。首先考虑了云边端协同的网络框架;然后将联合计算卸载和资源分配问题定义为一个马尔可夫决策过程,提出一种基于多智能体深度确定性策略梯度的学习算法,以最小化系统能耗。仿真结果表明,该算法在降低系统能耗方面的表现明显优于深度确定性策略梯度算法和全部卸载策略。     

无人机移动边缘计算位置部署与资源分配方案

无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)具有部署灵活和网络时延低的特点,是未来移动通信网络中一项非常有前景的技术.针对物联网场景中服务覆盖范围最大化问题,提出了一种无人机辅助的移动边缘计算无人机部署位置与资源分配优化算法.通过联合优化用户与无人机CPU时钟频率、用户卸载功率、地面用...     

移动边缘计算中的时延和能耗均衡优化算法

为了提升移动边缘计算（MEC）网络中的任务卸载效用,提出了一种基于任务卸载增益最大化的时延和能耗均衡优化算法.通过分析通信资源和计算资源对时延和能耗这2种性能指标的制约关系,将原问题分解为联合发射功率子信道分配子问题和MEC计算频率分配子问题.通过Karush-Kuhn-Tucker条件,导出了最优的MEC计算频率闭式解.此外,提出了一种基于二分法的发射功率分配算法和基于匈牙利二部图匹配的子信道分配算法.仿真结果表明,提出的算法相比传统算法可以显著提升用户的任务卸载效用.     

基于网格的并行算法设计策略研究

首先介绍了网格的组成与特点及其在实际应用中存在的问题；然后将LogP并行计算模型拓展到网格上，提出双层LogP模型；基于该模型给出相应的并行算法设计策略；最后针对网格特点对行列划分矩阵乘并行算法进行了改进。数值试验表明改进后的算法具有更短的执行时间。     

基于分布式的自律计算模型研究与设计

自律计算的目的是使得IT系统能够在管理者的策略指导下实现自我管理,即实现自配置、自修复、自优化、自保护的自律计算特征。由于自律系统建立在分布式架构下,涉及的技术和标准较多,实现上较为困难,而现有的研究主要集中在如何使得产品具有部分的自律计算特征。因此,建立通用的具有应用价值的计算模型成为自律计算领域研究的一个重要课题。文章在研究了现有的自律计算模型的基础上,提出了一种适用于分布式环境的自律计算模型,对管理资源、资源操作、状态、动作等模型构成要素进行了形式化定义,从而大大增强了自律模型的应用范围和实用价值。     

多核计算下气象研究程序的并行化研究

针对多核计算环境下气象计算的并行化这个难题,在分析气象计算并行化步骤的基础上,从气象计算方法间并行,程序模块间并行和程序模块内并行3个角度描述了气象研究程序的一般并行化过程。并以一个气象研究模式为例,分析了其并行化的过程。在模拟实验中,对广泛应用于气象计算的蒙特卡洛方法进行了并行化。实验结果表明,所提出的方法能减少约20％的执行时间。     

高性能计算机集群的性能评价

通过所设计的2个测试方案对高性能计算机集群的加速比进行了测试,对其性能进行了评价。得到了其加速性能随着计算节点数的变化曲线,以及主节点对性能的作用。结果表明高性能计算机集群具有很好的加速性能、稳定性和很大的升级空间。而主节点参与计算,会导致负载不平衡,降低高性能计算机集群的加速性能。     

SATVPC： Secure-agent-based trustworthy virtual private cloud model in open computing environments

Private clouds and public clouds are turning mutually into the open integrated cloud computing environment, which can aggregate and utilize WAN and LAN networks computing, storage, information and other hardware and software resources sufficiently, but also bring a series of security, reliability and credibility problems. To solve these problems, a novel secure-agent-based trustworthy virtual private cloud model named SATVPC was proposed for the integrated and open cloud computing environment. Through the introduction of secure-agent technology, SATVPC provides an independent, safe and trustworthy computing virtual private platform for multi-tenant systems. In order to meet the needs of the credibility of SATVPC and mandate the trust relationship between each task execution agent and task executor node suitable for their security policies, a new dynamic composite credibility evaluation mechanism was presented, including the credit index computing algorithm and the credibility differentiation strategy. The experimental system shows that SATVPC and the credibility evaluation mechanism can ensure the security of open computing environments with feasibility. Experimental results and performance analysis also show that the credit indexes computing algorithm can evaluate the credibilities of task execution agents and task executor nodes quantitatively, correctly and operationally.     

论网格计算与云计算的关系

网格是继互联网之后出现的一种新型网络计算平台,其目的是为用户提供一种全面共享,包括软件、硬件、数据以及网页在内的各种资源的基础设施。云计算作为一种全新的网络服务方式,将传统的以桌面为核心的任务处理转变为以网格为核心的任务处理,充分利用互联网以满足预先设定的处理任务。二者有相似之处,如计算的并行与合作的特点,但在资源聚合、资源共享、任务执行、对待异构服务侧重等方面存在差别。     

大规模云资源可靠性评价模型

针对互联网计算资源数量大、类型多、随机性强、稳定性相对较差等特点,提出一种基于朴素贝叶斯分类的iVCE云平台资源可靠性评价算法.通过对计算资源的特征提取,离散化处理后,使用概率估计方法对资源的状态做出实时的评价.在iVCE平台的实际运行效果表明,平台资源可靠性评价通过引入朴素贝叶斯算法,在评价的准确性方面提升了20％以上,通过参数优化算法的准确率同样好于同类其他同类算法2％以上,满足了实际生产的需求.     

高性能计算技术发展概述

随着科技发展,高性能计算技术已经成为一个国家综合实力的体现.简单介绍高性能计算技术的发展历史,指出了高性能计算技术未来发展的方向和趋势.介绍现代常见的几种高性能计算方式:集群、网格和云计算以及最新的高性能计算方式CPU+ GPU技术,并进行了对比.     

浅析云计算与信息安全

近来,IT界最热门的话题恐怕非”云计算”莫属了。IBM、Microsoft、HP、Dell、Sun、Google、Amazon、Yahoo等知名IT企业都在大力开发和推进云计算。IDC预测五年后IT市场将是云计算的天下。本文在介绍云计算的基本概念、系统架构和主要形式的基础上,简单分析了云计算给信息安全带来的机遇与挑战。     

网络计算的模式演变

在研究网络计算发展演变的基础上，分析了网络计算的关键技术发展状况，并对网络计算的含义、特点和优点予以阐述。