工业互联网场景下边缘计算的关键技术探讨

边缘计算由于其算力节点下沉、实时处理能力强等特点,近年来在工业互联网领域被广泛应用.本文将从算网融合、云边协同、网络高可靠性承载方面切入,探讨如何通过边缘计算助力工业互联网发展,推动企业数字化转型.     

面向“云-边-端”算力系统的计算和传输联合优化方法

“云—边—端”资源协同优化是算力网络部署的关键难题之一.如何有效整合高性能云计算、低延时边缘计算和低成本用户设备等异构算力资源,对于算力网络建设具有重要意义.基于此,提出了一种面向“云—边—端”算力网络的计算和传输联合优化方案,旨在从应用服务模型、网络状态感知和资源联合优化3方面提供一套系统性解决方案.首先,根据通用应用服务的特性,改进了传统网络服务的链状表征模型,提出了广义图结构的通用服务模型.其次,为表征异构网络状态的动态规律,提出了用于建模计算和传输时变负载的双虚拟队列结构.再次,为降低在大规模算力网络中计算和传输资源联合优化的问题复杂度,提出了一种基于图概念的增广图模型,该模型能够将计算和传输联合优化问题转化为增广图的路由问题,简化了异构资源联合优化问题的形式化表征难度.为实际解决该问题,设计了基于波利亚重球法（Polyak heavy-ball method）的异构资源协同优化算法,并给出了算法复杂度和相关理论的性能分析.最后,通过数值仿真和原型系统实验,验证了算法理论性能的正确性,以及在服务效用和资源成本等方面对比同期3种相关解决方案的性能优势.     

无人机集群网络资源优化综述

无人机集群以其灵活性、低成本和可搭载各类传感器等优势,已成为执行复杂任务的关键设备,其应用依赖于及时高效的通信,因此针对无人机集群网络的研究近年来也得到了广泛关注。无人机集群高移动性、高信息交互量和低能源存储量等固有特性,使其通信资源的管理面临各种严峻的挑战。本文首先综述了无人机集群网络的应用场景、优势及其特点,并结合信道接入控制体制,对无人机集群的无线资源优化问题进行分类,提炼出资源优化所面临的挑战。随后从策略与方法的角度对现有的网络资源优化方案进行了总结归纳,梳理了大规模集群场景下的通信性能提升、高动态环境下的及时决策更新,以及多元异构需求下的通信满意度提升等技术难点。最后,依据研究现状与潜在机遇,结合新兴技术的应用优势,对无人机集群网络的技术方向和发展前景进行了展望。     

网格计算:一种新型计算模式

网格计算给互联网带来了新的活力,它是一种新型的分布计算技术,致力于解决复杂度很高的新应用问题。简要介绍了网格计算技术的概念和主要特点、安全问题,分析网格计算在当今业务中的应用以及网格计算研究的现状和发展前景、网格计算面临的主要问题。     

面向联邦算力网络的隐私计算自适激励机制

面对“人-机-物”超融合与万物智能互联远景的现实需求,联邦算力网络充分发挥联邦学习等分布式智能技术的数据聚合优势以及“信息高铁（低熵算力网）”的计算协同优势,高效利用网络中泛在离散部署的海量数据与算力资源,从而最大化满足多种高性能、智能化计算任务需求瓶颈.同时,为建立用户泛在协作计算过程中的全生命周期安全保障和对联邦算力网络的互信任基础,差分隐私等隐私计算技术的引入成为基础性需求之一.因此,在用户自身安全和隐私不受模型逆转、梯度泄露等新兴攻击威胁的前提下,如何对大量的个性化参与用户进行有效激励,促使其积极参与并真实共享本地数据和算力,是实现联邦算力任务实际部署的关键步骤之一.然而,当前联邦算力网络的激励机制大多主要侧重于用户数据评估与公平性等计算性能相关指标研究,缺少对用户隐私需求的关注,无法有效规约隐私噪声注入过程.边缘算力节点出于自身利益考量,往往夸大隐私预算需求,造成严重的冗余精度损失.针对这一问题,本文基于改进的斯塔克伯格主从博弈模型,提出一种面向联邦算力网络的隐私计算自适应激励方法,通过两阶段的动态博弈根据分布式计算过程中隐私注入尺度进行差异化定价激励.基于反向归纳法,参与用...     

一种适于网络资源优化利用的QoS路由算法

在网络中实施资源优化利用对保证QoS服务质量非常重要。该文根据网络的实际运作情况,引入了“网络负载平衡度”的概念,用来描述网络中各链路上的剩余带宽可用率相对于其平均值的偏离程度,并据此改进了传统的SPF路由算法。新改进的算法采用负载平衡策略和重路由策略使网络资源得到优化利用。理论分析表明该算法较好地使网络负载趋于平衡,可以增加网络吞吐量,延缓阻塞的发生。     

基于异步奖励深度确定性策略梯度的边缘计算多任务资源联合优化

移动边缘计算（MEC）系统中,因本地计算能力和电池能量不足,终端设备可以决定是否将延迟敏感性任务卸载到边缘节点中执行。针对卸载过程中用户任务随机产生且系统资源动态变化问题,提出了一种基于异步奖励的深度确定性策略梯度（asynchronous reward deep deterministic policy gradient,ARDDPG）算法。不同于传统独立任务资源分配采用顺序等待执行的策略,该算法在任务产生的时隙即可执行资源分配,不必等待上一个任务执行完毕,以异步模式获取任务计算奖励。ARDDPG算法在时延约束下联合优化了任务卸载决策、动态带宽分配和计算资源分配,并通过深度确定性策略梯度训练神经网络来探索最佳优化性能。仿真结果表明,与随机策略、基线策略和DQN算法相比,ARDDPG算法在不同时延约束和任务生成率下有效降低了任务丢弃率和系统的时延和能耗。     

一种基于HLA的协同优化计算框架

提出了一种基于高层体系结构的协同优化计算框架(Collaborative Optimization Framework Based on HLA,COF-HLA).分析了多学科设计优化计算框架的功能和特点,并从支持代码复用、并行计算、数据分发管理等方面分析了高层体系结构的各种服务在协同优化计算框架中的作用;论述了该框架的联邦设计、对象类设计以及数据分发机制,总结了该框架所具有的特点和优势.该框架利用数据分发管理服务,可以极大地降低分布式计算时的网络通讯量,提高了整个协同优化计算的效率.     

一种互联网数据联合查询的优化方案

介绍了在Internet上数据联合查询的相关概念,以及简单联合查询的基本思想。针对于传统的简单联合查询,在实际操作中存在的执行效率较低的问题,结合目标数据集合中的数据在各个数据源上的分布不均匀的特点,将数据源划分为大、小数据源,在进行数据联合查询的过程中,优先查询大数据源中的数据,提出了一种新的互联网数据联合查询的优化方案,并论证了此方案的有效性和可行性。     

GSM网络优化方案探讨

移动通信系统的无线网络优化是一项复杂、艰巨的系统工程,贯穿于规划、设计、工程建设和维护管理的全过程,各方面的调整相互牵连、影响。随着网络的扩容、城市基础设施的建设、GSM各种先进技术的应用,网络优化的工作还需要进一步深入、发展。本文仅就优化工作中的一些经验和方法进行归纳和介绍。     

二重化逆变器谐波抑制的一种优化计算方法

介绍了具有辅助变压器的18脉波逆变器的结构,分析了该逆变器的工作原理及输出谐波.提出了一种依赖于波形、对角度分段优化的计算方法,给出了18脉波逆变器二重化电路中的主要参数、的计算过程,得出了15°为最优错开角的结论.对该二重化电路分别采用30°、15°错开角度时的THD进行了比较分析,验证了理论分析的正确性.     

算网融合下时间连续的计算任务卸载机制

算力网络通过网络协同云、边、端计算资源,突破单点算力的性能瓶颈,为智能化社会提供了算力支撑.算网融合逐渐成为新型信息通信网络技术发展的趋势.由于计算资源异构、网络负载动态,如何协同云、边、端计算资源,从而降低计算任务时延是算网融合下极具挑战性的问题之一.为简化问题,现有工作往往假设系统时间是离散的,并且只在时隙结束时进行计算卸载决策.但该假设会引入决策等待时间,增加了计算任务的整体时延.针对上述问题,提出一种算网融合下时间连续的计算任务卸载机制,在保证时间轴连续和协同多个边缘节点计算资源的前提下,以服务体验提升率为优化目标,对云、边、端间任务卸载问题进行建模,并设计了一种基于深度强化学习的任务卸载方法,从而更高效地利用算力网络计算资源.通过大量的仿真实验证明,与2种基线算法相比所提算法能够有效降低任务时延,提升服务体验.     

一种移动计算中移动性支持跨层优化方案

在无线移动环境中无线信道环境十分恶劣,移动切换和无线链路丢包经常发生.目前的TCP通常把这些丢包错误的当作网络拥塞处理,结果造成网络吞吐量下降.本文中,在支持网络移动性的基础上我们介绍了一种跨层优化方案来全面解决这两方面的问题,让链路层检测链路状态是恶劣的无线环境或是网络拥塞;同时,网络层检测移动主机是否处于移动切换状态,然后将这一信息通知给传输层,当传输层收到来自低层的信号时,根据情况调节自己的行为以适应当前网络状况,从而获得较好的网络传输性能.     

一种基于遗传算法的进化计算模型

提出一种基于遗传算法的进化计算模型(ECM).在ECM的种群中,每个成员都根据其适应度值不同程度地影响着种群的进化.ECM定义了个体对进化的影响因子,并以个体的影响因子为参数定义了个体的形成算子.分析表明,ECM是采用算术交叉算子的两父辈遗传算法以及采用频率扫描交叉算子的多父辈交叉遗传算法的推广,形成操作是父代群体编码的凸组合.实验研究显示,ECM具有比经典遗传算法更强的优化计算功能.     

移动边缘计算中计算卸载与资源分配联合优化策略

为了在移动边缘计算(MEC)中最大限度地减少处理用户任务的时延和能耗,改善用户体验,以最小化用户的完成时间和能耗的加权和为目标,在计算资源的约束下研究了多用户、多MEC服务器中的计算卸载问题。针对此问题,考虑卸载决策和资源分配之间存在的依赖关系,首先将原问题解耦为卸载决策和计算资源分配2个子问题。然后,使用鲸鱼优化算法求解卸载决策问题,通过添加非线性收敛因子和惯性权重加快收敛速度;引入反馈机制,防止陷入局部最优,得到更高概率可行的卸载决策;对于资源分配问题使用拉格朗日乘子法得到每个卸载决策下的最佳计算资源分配解。最后,通过多次迭代得到稳定的收敛解。仿真实验结果表明,与其他基准方案相比,最多减少了44.6%的系统开销。     

一种构造自愿计算网络的新方法

虽然Peer-to-Peer结构的可扩展性已经成为普遍的共识,但如何简单、有效地构造具有良好特性的P2P计算网络仍然是一个开放问题。本文提出了一个自组织的Peer-to-Peer重叠计算网络的构造方法以及基于该网络的计算任务调度算法。仿真结果说明,本文构造的计算网络表现出明显的自组织特性,具有较好的可扩展性和自组织能力,能较好地为计算资源的调度提供支持。     

基于高性能计算环境的HPC算力编程模式

【目的】随着云计算、大数据、人工智能等技术的兴起和广泛应用,促进了基于多元算力的融合计算发展。在国家“东数西算”战略的指引下,充分发挥HPC算力优势,提供新型HPC算力编程模式,是新一代计算基础设施可编程能力的重要变革。【方法】分析了高性能计算环境服务模式发展和现有计算环境下不同的编程模式,提出了基于高性能计算环境的HPC算力编程模式HPC as a function,定义了HPC算力和任务模式的基本抽象,以及HPC算力编程模式的参考体系结构。【结果】HPC算力编程模式可支持科研业务中融合计算对HPC算力的基本需求,可将适用于HPC的计算任务分发到合适的计算资源执行并有效管理,相比传统的工作流系统提供了更大的灵活性和可编程性。【结论】HPC算力编程模式可望有效提高“东数西算”计算基础设施的可编程性。     

一种网络计算I/O加速方法:iSCSI透明可靠多播

本文提出了一种网络计算环境下的I/O加速方法:iSCSI透明可靠多播(iTRM)。通过在iSCSI网络计算系统中设计双路径:共享数据的多播传送路径和iSCSI协议数据包传递路径,来加速网络计算数据加载性能。并且在iSCSI启动器端对多播数据进行丢包检测和请求重传,由iSCSI会话重传丢失的数据包来保证I/O数据的可靠性。扩展了iSCSI协议以支持多播会话通告,设计了一种基于数据感知实现I/O路由选择的透明多播监控代理。测试结果表明,基于iTRM的iSCSI网络计算系统显著提升了多个客户主机的并发I/O性能,并对客户主机数量的增加具有良好的系统扩容性。