星地融合边云协同网络下的资源调度研究

通过边缘计算和云计算的优势互补,面向6G的星地融合网络能够实现资源的弹性分配和协同利用,满足数据处理的实时性和智能化要求。为了提升资源服务能力和用户体验质量,提出了星地融合边云协同网络架构。首先,阐述了三种不同边云协同模式下的资源调度方案,从时延、能耗和多目标优化的角度分析了不同场景下的资源调度策略。然后,对比了现有资源调度求解模型和算法的优势和局限性。最后,对基于边云协同的星地融合网络中的资源调度研究进行了总结与展望。     

基于用户画像与关联规则的全域电力资源调度算法

为解决应用调度算法进行全域电力资源调度,资源剩余率依旧较高的问题,提出结合用户画像与关联规则的新型调度算法,实现全域电力资源的合理分配。运用双聚类算法,对整个调度区域内所有用户用电数据进行分析,构建电力用户画像从而描述用户用电个性化需求;以用户画像为基础,建立以满足用户需求为核心的全域资源分配模式;总结全域内资源调度子任务,计算不同子任务之间的支持度和置信度,结合关联规则实现子任务的分组;根据子任务组进行资源分域,在每个分域中设置二级调度中心,再与全域一级调度中心相连接,实现全域资源集中调度。实验结果表明,所提调度算法应用后,电力测试系统每日的全域资源剩余率出现了大幅降低,仅保持在12%左右。该算法具有较好的实际应用价值。     

星地融合网络中基于深度强化学习的多业务缓存策略

星地融合网络承载的通信服务呈现出多类型业务并发、业务需求差异化、数据流量聚集、大量重复请求等鲜明特征。针对多样化重复请求业务并发时链路负载过大、用户体验质量(Quality of Experience,QoE)难以保障的问题,提出一种基于深度强化学习(Deep Reinforcement Learning,DRL)的多业务缓存(Caching for Multi-Type Services,CMTS)策略。通过对星地融合网络中获取请求内容时延与三类典型业务时间效用函数分析建模,建立以最大化系统和效用为目标的优化问题,并提出一种基于多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient,MADDPG)的MADDPG-CMTS算法,综合考虑业务效用差异化特征、用户请求、星地缓存、网络拓扑等多种因素确定缓存更新决策。仿真结果表明,所提算法与最受欢迎内容(Most Popular Content,MPC)策略、随机替换(Random Replacement,RR)策略等传统缓存更新策略相比,系统总效用可提升约47%。     

融合网络用户需求研究

把握融合网络的发展方向需要深入研究运营商和电信用户的利益及通信需求。对于电信运营商来讲，网络技术的发展使得各种网络的融合成为可能，融合的网络更能提高运营效率，也能更灵活地提供业务；对消费者来讲，高带宽的信息接入成为基本需求，通信终端将向移动化、智能化、个性化、多媒体化发展。满足用户需求的融合网络才能做到既可提供各种新业务又能节省运营商和用户成本。     

基于事件关联网络的用户兴趣话题发现算法

面对海量的网络新闻信息,为了能更加准确与全面地从中发现用户感兴趣的话题,提出一种基于事件关联网络的用户兴趣话题发现算法。该算法建立了代表事件之间关联关系的事件关联网络,基于该事件关联网络,采用链接分析技术度量用户对不同新闻事件感兴趣的程度,从而采用针对新闻特定语义架构的改进Single-pass聚类算法发现用户感兴趣的话题。此外,采用Bootstrapping算法,实现对相关兴趣领域词汇的语义扩展。实验表明,该算法能够更加准确而全面地获取用户感兴趣的话题。     

TD-SCDMA资源调度算法优化浅析

随着我国通信业重组和3G牌照的发放,移动数据业务已经成为市场竞争的焦点。中国移动的TD—SCDMA业务,从卜下行速度上看,处于相对的劣势。从用户角度来看,用户最关心的是使用各种业务是否顺畅,因此要在现有速率缺陷下,开展数据业务的有效优化,使用户感知和竞争对手一致,甚至超越对手。     

基于时延优化的蜂窝D2D通信联合用户关联及内容部署算法

针对蜂窝网络传输性能及基站(BS)缓存能力受限,多用户内容请求难以满足用户服务质量(QoS)需求等问题,该文提出一种蜂窝终端直通(D2D)通信联合用户关联及内容部署算法。考虑到位于特定区域的多用户可能对于相同内容存在内容请求,该文引入成簇思想,提出一种成簇及内容部署机制,通过为各簇头推送热点内容,而簇成员基于D2D通信模式关联簇头获取所需内容,可实现高效内容获取。综合考虑成簇数量、用户关联簇头、簇头缓存容量及传输速率等限制条件,建立基于用户总业务时延最小化的联合成簇及内容部署优化模型。该优化问题是一个非凸的混合整数优化问题,该文运用拉格朗日部分松弛法,将原优化问题等价转换为3个凸优化的子问题,并基于迭代算法及Kuhn-Munkres算法联合求解各子问题,从而得到联合成簇及内容部署优化策略。最后通过MATLAB仿真验证所提算法的有效性。     

保证用户最小预约速率的802.16e资源调度算法

首先介绍了保证用户最小预约速率的PSBRS算法和最少好信道优先（SGCNF）规则,然后对它们在系统吞吐量和溢出率方面的性能进行了仿真研究。仿真结果表明,SGCNF规则能提高算法的性能,运用了SGCNF规则的PSBRS算法在系统吞吐量和溢出率性能方面表现优异。     

基于金豺优化算法的云计算资源调度研究

基于云计算环境下资源利用率低的问题,将一种新提出的金豺优化算法应用于云计算资源调度策略。研究采用Cloudsim作为仿真实验平台,以减少任务总完成时间为优化目标。实验中以猎物位置模拟任务对虚拟机序号的选择,在一定的迭代次数后根据猎物位置得出每个任务对虚拟机序号的最终选择和最终任务总完成时间。改变金豺优化算法的迭代次数并进行实验,结果表明,在迭代次数达100次时,金豺优化算法在云计算资源调度模型上的效果达到最优。将调用金豺优化算法与应用贪心算法和遗传算法下的实验结果进行对比,结果表明,在任务数量大于1 000时,金豺优化算法在云计算资源调度模型上的效果优于贪心算法和遗传算法,效率相较于遗传算法提升了约20%。     

面向工业时敏业务的5G TSN融合网络切片资源调度

5G与时间敏感网络（time sensitive network,TSN）融合部署是实现工业互联网无线化和柔性制造的重要基础,如何实现多类型工业业务和移动业务的共网高质量传输,是5G TSN融合网络需要解决的关键问题。为此,面向工业互联网场景,依据业务特征差异划分工业业务流的类型,设计了一种适配周期性时敏业务和突发性时敏业务的网络切片资源调度策略,提出了基于均匀分布的资源分区调度算法。所提方法通过控制资源预留和资源抢占,在优化无线资源使用的同时,保障了工业业务流的时延,满足了移动业务的传输速率需求。最后,通过仿真实验验证了所提方法在提升业务需求满足度和资源利用率方面的有效性。     

基于用户感知的TD-LTE网络优化关键问题探讨

我国信息技术的发展水平在不断提高,技术逐步成熟,在各领域之中都有着十分广泛地应用.随着网络覆盖范围的扩大,其正悄然改变着人们的工作和生活,我国迎来信息时代,在该背景之下,网络的优化十分必要.数据速率以及语音感知是LTE网络用户感知的两个重要组成部分.本文重点对基于用户感知的LTE网络优化问题进行探讨,旨在为相关行业提供参考.     

面向6G的星地融合网络架构

通过对卫星星座的发展和星地融合网络研究的回顾,明确了6G的星地融合网络的发展趋势,提出了智简赋能的6G网络体系架构和弹性可重构的6G星地融合架构,并分析了星地融合网络中的关键技术问题,包括星上轻量化虚拟化技术、星上边缘计算功能以及广播/多播技术。认为6G星地融合网络将通过星地协同实现网络资源和计算资源的统一调度,同时可以根据业务需求和网络状态智能实现网络功能的按需弹性部署。     

面向星地融合网络的统一编排架构和关键技术

面向6G的星地融合网络将实现地面通信和卫星通信的系统级深度融合。为了应对星地融合网络的高动态、分层分布等特征带来的多维多域异构资源的管理和编排挑战,提出一种面向星地融合网络的统一编排架构,实现星地融合网络中多层多域网络的资源、功能、服务等多要素的统一编排。基于该架构,提出分布式自治技术用于多层多域网络的按需部署和灵活组网,以及提出算网协同技术用于多维资源的云边协作从而提升用户体验质量。最后,通过自研的实验平台完成了对星上新型编排管理系统的可行性验证。     

面向星地融合网络的星上管控节点动态部署方法

针对低地球轨道卫星网络节点高动态性的问题,提出一种面向星地融合网络的星上管控节点动态部署方法。首先,基于星地融合网络结构复杂多变和星上节点处理能力受限的特点设计主从协同管控的星地融合组网架构;其次,提出星上管控节点部署模型,该模型以星上管控节点部署成本作为优化目标函数,综合考虑业务QoS和网络负载等约束条件,旨在通过优化控制器的数量和位置来改善卫星组网响应时延;最后,采用强化学习方法快速求解不同网络拓扑状态下的星上管控节点数量和部署位置。仿真实验分析了所提算法、加速粒子群算法（ASPO）及最优搜索算法（OptSearch）在星上管控节点动态部署数量和平均组网响应时延上的对比结果,从而验证所提算法在星上管控节点部署中具有一定的优越性。     

基于图神经网络的联合用户调度与波束成形优化算法

协作多点（Co MP）传输技术具有降低同频干扰和提高频谱效率的特点。对于Co MP,用户调度与波束成形是2个分别位于媒体访问接入层和物理层的基本研究问题。在考虑用户服务质量需求下,重点研究用户调度与波束成形的联合优化问题,并以网络吞吐量最大化为目标。为了克服传统优化算法计算开销大且未有效利用网络历史数据信息的问题,提出了一种基于图神经网络联合用户调度与功率分配模型,并结合波束向量的解析公式,以实现联合用户调度与波束成形优化。仿真分析表明,所提算法能够以较低的计算开销实现与传统优化算法相匹配,甚至更优的性能表现。     

基于数据融合的mirna与疾病关联网络预测算法分析

利用海量生物学样本数据作miRNA疾病关联研究的成本过高,在此情况下提出基于网络表示学习的node2vec模型关联预测算法,引入长链非编码RNA(IncRNA)要素,构建起包含多种数据集的miRNA-IncRNA疾病异构网络,对不同生物学信息作有偏置的随机游走,获得长链非编码节点的近邻序列,然后通过运用miRNA相似性关联规则预测算法,得到与疾病相关各节点的低维特征向量,从而实现miRNA序列与疾病关联性的准确预测。     

星地融合网络中基于无监督图学习的卫星切换方法研究

随着未来6G移动通信研究的快速发展,星地融合通信将是满足全域覆盖、泛在接入的重要技术。在星地融合网络中切换决策直接影响网络性能与服务持续性,现有切换算法主要通过实时监测候选卫星状态,计算权重进行切换判决,难以适应高动态星地网络中时空周期异步的切换决策。提出一种基于无监督图学习的卫星切换方法,引入卫星覆盖时空图表征网络连接关系,设计前向蚂蚁和后向蚂蚁发现并反馈的信息素感知机制,建立图学习模型,挖掘卫星覆盖时空图中卫星节点、用户节点与连接关系之间的隐式特征信息和拓扑信息,将切换决策问题转化为求解节点和边之间的连接关系概率,同步切换决策周期。仿真结果验证了所提卫星切换方法具有较快的收敛速度,切换时延降低20%。     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

基于APG合并及拓扑势优化的启发式用户关联策略

针对去蜂窝网络的可扩展问题,定义了网络可扩展度作为性能衡量指标,设计了一种提高网络可扩展度的用户关联策略。该策略以网络耦合度最小和用户速率最大为优化目标。为了进一步降低求解该多目标优化问题的复杂度,通过利用拓扑势函数建立网络耦合度和用户速率的关系,提出了基于接入点簇（APG）合并及拓扑势优化的启发式算法。仿真结果表明,所提策略以较小的用户速率损失为代价提高了去蜂窝网络的可扩展度。与传统策略相比,用户速率损失4.43%时,可扩展度可提高9.59%;与文献[10]的策略相比,用户速率损失4.99%时,可扩展度可提高22.15%。