天线选择下稳健波束形成新算法

研究认知无线电（CR）网络环境下的稳健发射波束形成问题,以期在信道状态信息（CSI）存在误差时满足一级用户（PU）干扰温度约束和二级用户（SU）信干噪比（SINR）约束,该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式,进一步通过引入[?0]范数的[?1]范数逼近,将目标函数非凸优化松弛为凸问题,并通过迭代重新加权算法求解。仿真结果表明,该方法以少量增加传输功率为代价减少了发射天线的数量,节约了基站成本。     

基于线性松弛方法的网络故障链路诊断

为解决通信网络中端到端测量定位故障链路的NP难问题,提出了一种新的松弛布尔约束的诊断方法。首先将网络中的路径状态和链路状态的关系建模为布尔代数方程,而故障定位的本质即满足该布尔方程条件的优化求解;然后,依据该优化表达式判断其NP性来源于链路状态的布尔约束（正常/故障）,通过将布尔约束松弛为线性约束,所提方法将问题简单地转换为线性规划（LP）问题,线性规划问题非常容易求解并可以由任何LP求解器来得到故障链路集合。在真实网络拓扑中进行了链路故障诊断仿真实验,实验结果表明,所提方法与现有的经典启发式算法——TOMO相比,降低了5%~30%的误诊率。     

基于序列二次规划的非线性不等式状态约束滤波算法

针对非线性不等式状态约束滤波问题,提出一种基于序列二次规划的迭代不敏卡尔曼滤波算法。在迭代不敏卡尔曼滤波的基础上,采用序列二次规划优化法求解非线性不等式约束条件下的最优解。通过对每一次迭代求解二次规划子问题来确定下降方向,重复该步骤直到求得原问题的解,利用效益函数对目标函数最小化和不等式约束条件进行权衡,以保证算法的收敛性,利用正定矩阵近似海森矩阵降低时间复杂度。对具有约束的航路跟踪系统进行实验仿真,结果表明,该算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。     

基于深度强化学习的服务功能链多维资源优化

在网络功能虚拟化（Network Function Virtualization,NFV）环境下,保证用户服务功能链（Service Function Chain,SFC）服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于深度强化学习的SFC多维资源联合分配算法。构建一种基于环境感知的SFC资源分配机制,建立用户时延要求、无线速率需求以及资源容量等约束下的SFC部署成本最小化模型。考虑到无线环境的动态变化,将此优化问题转化为一个无模型离散时间马尔科夫决策过程（Markov Decision Process,MDP）模型。由于该MDP状态空间的连续性和动作空间的高维性,采用深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）强化学习算法进行求解,得到最小化部署成本的资源分配策略。仿真结果表明,该算法可在满足性能需求及资源容量等约束的同时,有效降低SFC部署成本和端到端传输时延。     

敏捷供应链静态调度模型及其贪婪算法

针对确定性市场需求下的敏捷供应链(ASC)调度具有批量和时间双重约束的问题,根据供应层级关系建立多级供应链结构模型(SCSM),在此基础上设计调度问题的线性规划(LP)模型及其两阶段求解算法：第一阶段的最短响应时间调度贪婪算法判定供应链系统对需求批量和时间约束满足与否;第二阶段的精益调度贪婪算法求解以最小化供应链库存成本为目标的最优调度方案。最后通过算例验证了模型和算法的实用性和有效性。     

增强现实场景下移动边缘计算资源分配优化方法

针对高速数据传输及计算所带来时延和终端设备能耗问题，提出了一种在上行链路采用等功率分配的传输方案。首先，依据增强现实（AR）业务的协作属性建立了针对AR特性的系统模型；其次，详细分析了系统帧结构，建立以最小化系统消耗总能量为优化目标的约束条件；最后，在保障延迟和功耗满足约束的条件下，建立了基于凸优化的移动边缘计算（MEC）资源优化求解数学模型，从而获得最优的通信和计算资源分配方案。与独立传输相比，该方案在最大延迟时间分别为0.1 s和0.15 s时的总能耗降幅均为14.6%。仿真结果表明，在相同条件下，与基于用户独立传输的优化方案相比，考虑用户间协作传输的等功率MEC优化方案能显著减少系统消耗的总能量。     

方位关系约束满足问题的推理求解

约束满足问题（Constraint Satisfaction Problems CSP）是人工智能的一个研究领域,诸如空间查找、规划等问题都可转化为约束满足问题。方位关系是空间关系的重要组成部分,用以确定空间对象间的一种顺序。本文研究了空间方位关系模型,给出了方位关系约束的一般表示形式。在此基础上,利用组合表推理给出了方位关系约束满足问题的一个推理求解算法,该算法的时间复杂度为O（n^2）。     

基于SPEA2+算法的Web服务选择研究

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对将多维QoS属性加权聚合为一个目标函数进行优化的选择算法不能实质性地解决基于QoS的Web服务选择问题,采用改进的强度Pareto进化算法（SPEA2+）多目标优化求解该问题,设计了一种Web服务选择算法。该算法在满足声誉、可靠性和可利用性属性的约束下,同时最小化服务时间T和服务费用C,以产生Pareto最优解集。通过与运用SPEA2算法求解该问题的实验对比,表明了两算法所获取的Pareto最优解集中QoS属性T和C各均值各有优劣,用户可依据对T或C的偏好择优选择。     

高效求解三维装箱问题的剩余空间最优化算法

为实现三维装箱问题的高效求解，提出了一个三维的剩余空间最优化算法（Three-Dimensional Residual-Space-Optimized Algorithm，3D-RSO）。在满足3个著名约束的条件下，该算法将三维问题转化为带有高度约束的二维问题，通过对箱子放置后的剩余空间状态分析，提出了基于概率较优的空间分割方法和箱子布置规则。相比于传统算法，3D-RSO在求解过程中不需要任何的预处理和搜索操作，是一种最坏计算复杂度为[O(2n2)]的直接求解算法。针对强异构体的实验表明，该算法能够在极短的时间内对算例进行高效求解，适合应用在大规模或者需要被快速求解的三维装箱问题中。     

基于变密度法的飞行器升力面结构多目标拓扑优化设计

为研究权衡结构刚度与低阶振动频率的飞行器升力面最优结构设计,提出两种多目标拓扑优化方案（约束法、结合约束法与评价函数法）.基于变密度方法,在约束法方案中将多目标优化转化为设定参考点位移约束和低阶振动频率约束下,求解结构质量最小化的优化问题.在结合约束法与评价函数法方案中,定义组合柔度指数为评价函数（结构柔度与振动频率的函数）,将多目标优化转化为设定低阶振动频率约束和体积分数约束下,求解结构最小组合柔度指数的优化问题.结果表明两种方案的优化结果具有一定的相似性,各有所长.优化设计不仅减轻了升力面结构重量,而且提高了结构的一、二阶振动频率.     

On optimized decode and forward relay assisted CR system design for throughput maximization

This paper proposes a joint spectral sensing and secondary data transmission scheme in a decode-and-forward (DF) relay assisted cognitive radio network (CRN). Periodic spectral sensing is done in each frame that primarily consists of two slots: sensing slot and data transmission slot. Sensing information of cognitive source (CS) and cognitive relay (CR) are cooperatively combined at CS to determine reliably the presence or absence of the primary user (PU). An optimization framework is developed to determine the sensing time, data transmission time for CS and CR along with their associated transmission power with an aim to maximize the average throughput of secondary transmission under the constraints of target detection probability, sum transmission power and interference to PU. Simulation results show that significant improvement in average throughput is achieved when the transmission power of CS and CR are jointly optimized with the sensing duration and transmission time of CS and CR. Performance improvement over amplify-and-forward (AF) relay is also reported.     

Resource allocation algorithm with limited feedback for multicast single frequency networks

The single frequency network (SFN) can provide a multimedia broadcast multicast service over a large coverage area. However, the application of SFN is still restricted by a large amount of feedback. Therefore, we propose a multicast resource allocation scheme based on limited feedback to maximize the total rate while guaranteeing the quality of service (QoS) requirement of real-time services. In this scheme, we design a user feedback control algorithm to effectively reduce feedback load. The algorithm determines to which base stations the users should report channel state information. We then formulate a joint subcarrier and power allocation issue and find that it has high complexity. Hence, we first distribute subcarriers under the assumption of equal power and develop a proportional allocation strategy to achieve a tradeoff between fairness and QoS. Next, an iterative water-filling power allocation is proposed to fully utilize the limited power. To further decrease complexity, a power iterative scheme is introduced. Simulation results show that the proposed scheme significantly improves system performance while reducing 68% of the feedback overhead. In addition, the power iterative strategy is suitable in practice due to low complexity.     

一种基于OFDM认知无线电网络的次优动态资源分配算法

研究了采用正交频分复用的认知无线电网络中的多用户资源分配问题,包括子载波分配和功率分配。在认知无线电系统中,除了考虑主用户与次用户之间的相互干扰,还要求将主用户对次用户的干扰控制在预设门限之下,因此,系统模型更为复杂。整数约束条件,使得寻求最优解的算法复杂度高,无法用于对实时性要求高的系统。因此,提出了一种寻求次优解的分步式资源分配算法,以降低算法的复杂度。首先采用一种综合考虑了功率限制和对主用户的干扰限制的新型子载波分配方案,然后提出改进的线性注水算法进行功率分配。仿真结果表明,相比于最优分配算法,所提出的算法可以在获得较好的系统容量的同时,有效地降低系统的复杂度,适用于对实时性要求高的系统。     

基于李雅普诺夫优化和深度强化学习的多任务端边迁移

针对多终端、多边缘服务器场景下异构工业任务的端边协同处理问题,提出一种基于李雅普诺夫优化和深度强化学习的多任务端边迁移算法.首先,以联合优化任务迁移决策、迁移比例和传输功率为目标,充分考虑计算频率、传输功率、长期能耗和任务截止期等约束,构建系统长期平均开销最小化问题;由于问题中长期目标及约束中变量在不同时隙相互耦合,难以求解,基于李雅普诺夫优化理论,将长期平均开销最小化问题解耦为独立时隙的策略优化问题;通过马尔可夫决策过程建模,并采用双层竞争深度神经网络架构,提出基于深度强化学习的多任务迁移算法.实验结果表明,所提算法能够稳定收敛,并在长期能耗约束和任务截止期要求下有效降低系统长期平均开销.     

MIMO—OFDM中基于波束成形的天线选择研究

为减少多输入多输出（MIMO）正交频分复用（OFDM）系统的复杂度，本文基于最小化差错概率准则，提出一种波束成形的天线选择算法。该算法不仅可以减少收发两端DFT／IDFT的个数，而且有效减少射频模块的个数，从而大大降低系统的复杂度。为降低天线选择算法本身的复杂度，文中提出一种简化的天线选择算法。仿真结果表明，与时频联合波束成形算法相比．相同性能要求下，其需要的射频模块的个数可减少37．5％以上。     

无线供能移动边缘计算系统的安全卸载优化

针对能量受限的多用户移动边缘计算（MEC）系统存在恶意窃听节点的问题,提出一种联合无线能量传输（WPT）和MEC的安全部分计算卸载方案。该方法以系统接入点（AP）能耗最小化为优化目标,在计算延迟、安全卸载和能量捕获约束条件下,联合优化AP能量传输协方差矩阵、本地CPU频率、用户卸载比特数、用户卸载时间分配以及用户传输功率。针对AP能耗最小化问题为非凸问题,首先采用凸差分算法（DCA）将原始非凸问题转换为凸问题,然后采用拉格朗日对偶法以半封闭形式获得问题最优解。当计算任务数为5×10⁵比特时,与本地计算和安全全部计算卸载方法相比,安全部分卸载方案的能量消耗分别降低了61.3%和84.4%;当窃听节点距离超过25 m时,安全部分卸载方案所消耗的能量远小于本地计算和安全全部计算卸载。仿真实验结果表明,在保证物理层安全卸载的情况下,所提方案能够有效降低AP能耗、提高系统性能增益。     

Complexity control of HEVC encoders targeting real-time constraints

High Efficiency Video Coding (HEVC) encoders impose several challenges in computing constrained embedded applications, especially under real-time throughput constraints. This paper proposes an adaptive complexity control scheme (CCS) that dynamically adjusts the encoder to the varying computing capabilities of the hardware platform. To design an efficient scheme, an extensive complexity analysis of key HEVC encoding parameters is herein presented. For this analysis, we developed a parameterized complexity model called “arithmetic complexity,” which can be widely applied to any computing platform. Our results demonstrate that the proposed scheme provides time savings ranging from 10 up to 90 % with an average error (between target and effective complexity) of 1.2 %. Our adaptability and control performance analysis show that the scheme rapidly adapts to dynamic set-point adjustments. Compared to state of the art, our complexity control achieves more accurate results and extra features (such as dynamic set-point adjustment) at the cost of minor losses in coding efficiency.     

Discrete minimization with levels of claims

The problems of discrete optimization are of importance in a number of applications. One of the various problems of discrete minimization with special constraints, not previously considered, is formulated. A complexity degree of the assigned problem is studied from the viewpoint of algorithm theory. Non–deterministically polynomial (NP)–compleleness of the discrete minimization problem is shown. The algorithms proposed for the solution of a frequently occurring special case of the problem have polynomial time complexity and their set is a finite polynomial approximated scheme.     

基于认知OFDM系统的功率分配算法

在正交频分复用的认知无线电系统中,授权用户会受到认知用户频带内子载波带外功率泄漏的干扰。针对这一问题,提出了一种基于幂函数分布的次优化功率分配方案,通过线性约束的凸优化数值运算,有效降低了最优方案中运算的复杂度。给出了在认知用户发射功率约束条件下的信道吞吐量分析。仿真结果表明,所提出的方案在满足授权用户干扰门限约束条件下,提高了现有功率分配方案的认知用户信道吞吐量。