工业物联网中基于任务紧急程度的资源分配算法

工业物联网中任务的生成通常具有连续性和周期性,并且任务对时延要求很高,这给系统成本带来了挑战。为应对这一挑战,提出了一种基于任务紧急程度的成本最小化资源分配算法。通过遗传算法优化任务的卸载策略和系统的资源分配策略,对于卸载的任务,根据任务的紧急程度进行调度,并在满足时延要求的前提下计算任务的最优发射功率。仿真结果表明,所提算法有效改善了系统总能耗成本。     

MEC系统中基于多智能体深度增强学习的协作式任务卸载和资源分配

移动边缘计算(MEC)通过将计算任务卸载到MEC服务器上,在缓解智能移动设备计算负载的同时,可以降低服务时延。然而目前在MEC系统中,关于任务卸载和资源分配仍然存在以下问题：1)边缘节点间缺乏协作;2)计算任务到达与实际环境中动态变化的特征不匹配;3)协作式任务卸载和资源分配动态联合优化问题。为解决上述问题,文章在协作式MEC架构的基础上,提出了一种基于多智能体的深度确定性策略梯度算法(MADDPG)的任务卸载和资源分配算法,最小化系统中所有用户的长期平均成本。仿真结果表明,该算法可以有效降低系统的时延及能耗。     

基于深度强化学习的边缘视频任务卸载策略

随着物联网的发展以及智能设备的普及,视频处理技术已广泛应用于生活中。自动驾驶、产品质检等应用场景对视频处理技术的实时性需求逐步提高,移动边缘计算为计算能力不足和能源受限的设备提供计算资源以执行时延敏感性任务,为实时视频处理提供了新的计算架构。本文搭建了一个视频计算卸载场景,并以视频检测为任务,以系统时延为优化目标,建立了计算卸载模型和马尔可夫决策模型;考虑到计算卸载场景的复杂动态因素,如带宽波动、设备数量、任务大小等,以最小化系统时延为目标,提出了一种基于深度强化学习的计算卸载策略进行求解。实验表明,与其他基线方案相比,该卸载策略能够适应较复杂卸载场景,有效降低系统时延。     

低轨卫星协作边缘计算任务迁移和资源分配算法

研究了基于星间链路的低轨卫星协作边缘计算任务迁移和资源分配问题,为偏远地区用户提供边缘计算服务.采用部分任务迁移机制,以地面用户加权总能耗最小化为目标建立优化问题,提出了一种低轨卫星协作边缘计算的任务迁移和资源分配算法,基于优化问题的非凸性,将其分解为任务迁移子问题和资源分配子问题,分别采用标准凸优化方法和拉格朗日对偶...     

基于区块链的雾网络中的任务卸载优化方案研究

当前物联网(IoT)应用的快速增长对用户设备的计算能力是一个巨大的挑战。雾计算(FC)网络可为用户设备提供近距离、快速的计算服务,为资源紧张,计算能力有限的用户设备提供了解决方案。该文提出一个基于区块链的雾网络模型,该模型中用户设备可以将计算密集型任务卸载到计算能力强的节点处理。为最小化任务处理时延和能耗,引入两种任务卸载模型,即设备到设备(D2D)协作群组任务卸载和雾节点(FNs)任务卸载。此外,针对雾计算网络任务卸载过程的数据安全问题,引入区块链技术构建去中心化分布式账本,防止恶意节点修改交易信息,实现数据安全可靠传输。为降低共识机制时延和能耗,提出了改进的基于投票的委托权益证明(DPoS)共识机制,得票数超过阈值的FNs组成验证集,验证集中的FN轮流作为管理者生成新区块。最后,以最小化网络成本为目标,联合优化任务卸载决策、传输速率分配和计算资源分配,提出任务卸载决策和资源分配(TODRA)算法进行求解,并通过仿真实验验证了该算法的有效性。     

无线传感器网络中一种基于OSTBC的高效协作传输技术

针对发端能量受限的无线传感器网络提出了一种基于OSTBC的高效虚拟MIMO协作传输策略.在无线传感器网络的每个簇内采用一种全速率的分布式OSTBC传输方案,同时对调制方式的星座大小进行优化,创建了一种更高效的无线传感器网络和MIMO通信相结合的模型.针对该模型在接收端进行迭代译码,并推导出该系统的总能耗函数和网络时延算式.通过仿真显示,该模型不仅能够极大的降低发端能耗,对任意协作节点数目均能够实现全速率传输,解决了传统分布式空时码用于无线传感器网络时发端的数据积压问题,减小了网络时延.因此本协作传输模型从能量消耗和网络时延两方面对无线传感网的性能进行了提升,能够为无线传感网的应用提供有意义的参考.     

基于分层强化学习的中继卫星网络任务动态调度方法

近年来，随着各类紧急任务数量的不断增长，如何在控制对常规任务影响的同时保障系统的收益已成为中继卫星网络任务动态调度的巨大挑战。针对这一问题，以最大化紧急任务总收益和最小化常规任务破坏程度为目标，提出了一种基于分层强化学习的中继卫星网络任务动态调度方法。具体而言，为了兼顾系统的长期与短期性能，设计了由上、下级DQN实现的双层调度框架，上级DQN从长期性能出发决定临时优化目标，下级DQN根据优化目标决定当前任务的调度策略。仿真结果表明，与传统的深度学习方法以及部分处理动态调度问题的启发式方法相比，所提方法能够在降低常规任务破坏程度的同时提升紧急任务总收益。     

任务迁移的移动边缘计算系统中资源分配和任务卸载策略

针对在任务卸载时由于设备的移动而导致任务迁移这一问题,将任务卸载过程建模为马尔科夫决策过程,并通过优化资源分配和任务卸载策略,解决基于联合时延和能耗的损耗函数最小的优化问题。首先将问题转化为最小化损耗函数之和,并在决策前对每个任务的传输功率采用二分法进行优化,然后基于获得的传输功率提出一种QLBA（Q-learning Based Algorithm）来完成卸载决策。仿真结果证实所提方案优于传统算法。     

基于并行排队策略的天基光网络接入选择算法

针对卫星光网络接入选择算法不够灵活高效的问 题,研究了天基光网络中基于并行排队策略(PQS,parallel queuing strategy)的 动态在线式接入选择算法。分析接入选择问题的约束条件并建立数学模型,在 排队模型的基础上增加动 态优先级策略dps(dynamic priority strategy),实现不同优先级任务的区分服务;通过引 入时间敏感因子实现对不同优先级任务等待 时延区分度的调节,避免低优先级任务一直被高优先级任务抢占的问题;通过增加PQS使调 度 方案得到全局优化,缩短任务等待时延。仿真结果表明,本文算法将等待时延降低 30%左右,有效提升了接入调度的灵活和高效性。     

协同边缘网络中智能计算卸载与资源优化算法

针对具有依赖关系的计算密集型应用任务面临的卸载决策难题，提出了一种基于优先级的深度优先搜索调度策略。考虑到用户能量受限和移动性，构建了一种联合用户下行能量捕获和上行计算任务卸载的网络模型，并在此基础上建立了端到端优化目标函数。结合任务优先级及时延约束，利用深度强化学习自学习的优势，将任务卸载决策问题建模为马尔科夫模型，并设计了基于任务相关性的Dueling Double DQN(D3QN)算法对问题进行求解。仿真数据表明，所提算法较其他算法能够满足更多用户的时延要求，并能减少9%～10%的任务执行时延。     

Average waiting time assignment. II. The integrated servicesnetwork case

For pt.I see ibid., vol.38, p.2049-51 (Nov. 1990). Priority scheduling as a means of selectively controlling the average delay of the users in a virtual circuit integrated services network is investigated. Specifically, quantifying the end-to-end delay preferences of the users on an individual basis through associated delay cost functions, the selection of the scheduling strategies on the links of the network is formulated as a convex optimization problem whose objective consists of minimizing the overall delay cost. A set of optimality conditions is given for this problem, and two distributed algorithms for solving it are constructed. The first algorithm always converges to an optimal solution, while the second algorithm is approximate. However, the second algorithm requires less coordination than the first, and by appropriately selecting the parameters the solution can be brought as close to optimality as desired. With simple modifications, the algorithms also solve the problem of selecting the scheduling strategies on the links so as to minimize the lexicographic ordering of the cost vector     

Test infrastructure design for mixed-signal SOCs with wrapped analog cores

Many system-on-chips (SOCs) today contain both digital- and analog-embedded cores. Even though the test cost for such mixed-signal SOCs is significantly higher than that for digital SOCs, most prior research in this area has focused exclusively on digital cores. We propose a low-cost test development methodology for mixed-signal SOCs that allows the analog and digital cores to be tested in a unified manner, thereby minimizing the overall test cost. The analog cores in the SOC are wrapped such that they can be accessed using a digital test access mechanism (TAM). We evaluate the impact of the use of analog test wrappers on area overhead and test time. To reduce area overhead, we present an analog test wrapper optimization technique, which is then combined with TAM optimization in a cost-oriented heuristic approach for test scheduling. We also demonstrate the feasibility of using analog wrappers by presenting transistor-level simulations for an analog wrapper and a representative core. We present experimental results for three SOCs from the ITC '02 test benchmarks that have been augmented with three analog cores: an I-Q transmit path pair and an audio CODEC path used in cellular phone applications.     

面向异构信号处理平台的负载均衡算法

针对当前异构信号处理平台中信号处理应用的调度算法优化目标单一且调度结果中处理器负载不均衡的问题，提出了一种基于蚁群优化算法的负载均衡算法。该算法结合蚁群优化算法的快速搜索能力和组合优化能力，以信号处理应用的调度长度和处理器负载均衡为优化目标，对初始信息素矩阵和蚂蚁的遍历顺序进行改进，提出调度长度启发因子和负载均衡启发因子对处理器选择公式进行改进，利用轮盘赌策略确定信号处理应用各子任务分配的处理器，完成信号处理应用的调度。仿真结果表明，该算法得到调度结果在调度长度和负载均衡方面均有改进，可以充分发挥各处理器性能，提高异构信号处理平台的整体效率。     

考虑多工序设备权重的资源协同综合调度算法

针对多品种、小批量复杂产品综合调度研究中,没有考虑加工较多工序设备上的工序间调度空隙会对调度结果产生重要影响的问题,该文提出考虑多工序设备权重的资源协同综合调度算法。该算法在综合调度中首先提出多工序设备和工序权重值的定义,其次提出以权重值为主的调度策略,提高了工序纵向连续加工的紧密度;最后提出最佳调度时刻的调整策略,提高了工序横向并行优化的力度。实验结果表明,该算法在提高综合调度设备整体利用率和减少复杂产品时间成本等方面,具有更优性。     

半导体炉管区E/T问题的动态调度算法

炉管区是半导体制造过程中用于热处理的重要区域.在多品种不同交货期的晶圆产品连续到达的环境下,提出了优化目标为极小化E/T(提前/延迟)值的WCRH(加权成本率)算法.该算法根据产品的交货期实时更新晶圆产品的加工优先级;通过计算和比较加权成本率来确定哪一种晶圆优先加工以及投入加工的时间.仿真结果表明,该算法在减小E/T值和缩短加工完成时间方面,优于文献中提及的启发式算法.     

家庭微网储能分组能量管理优化策略

在家庭能量管理系统中,可再生能源的发电功率具有不确定性和间断性,成为影响家庭能量优化调度的因素。储能系统在优化过程中过多充放电次数也会增加储能折旧费用。针对上述问题,文中提出一种储能分组能量管理优化策略。根据可再生能源出力不确定部分和确定部分为储能系统配置充电部分和调度部分。首先建立风力发电系统、光伏发电系统和储能系统模型,然后在此基础上搭建以每日用电费用最小为目标的家庭能量管理优化调度模型。最后以上海市一住宅用电为例,通过改进遗传算法对模型求解。仿真算例分析表明所提策略降低用电费用的同时可以减小可再生能源发电不确定性对能量优化调度的影响,具有一定的有效性和参考价值。     

PSO 应用于 QoS 偏好感知的云存储任务调度

研究有QoS偏好要求的云存储任务调度。首先,分析云存储与云计算的差异,用存在矩阵避免无效解的产生。其次,归纳云存储的QoS需求为时间、代价与质量3大类,并据此修改PSO算法的适应度函数用权重因子调节QoS偏好。实验发现,在不同优先级任务分布不均的情况下,分布广的任务的偏好会掩盖其他任务的偏好,因而不适宜用PSO进行整体性调度,而必须进行分级调度。实验证明,改进后的分级PSO算法对QoS偏好具有较好的感知能力。     

Stability-based algorithms for high-level synthesis of digitalASICs

This paper presents new algorithms for the scheduling and allocation phases in high-level synthesis under time and resource constraints. This is achieved by formulating these problems in terms of Liapunov's stability theorem using a transformation technique between the design space and the dynamic system space. These algorithms are based on moves in the design space, which correspond to the moves toward the equilibrium point in the dynamic system space. The scheduling algorithm (MFS) takes care of mutually exclusive operations, loop folding, multicycle operations, chained operations, and pipelining (structural and functional). The mixed scheduling-allocation algorithm (MFSA) can handle all of the above scheduling applications as well as simultaneously performing allocation of functional units, registers, and interconnects while minimizing the overall cost     

太赫兹网络中基于优先级调度的低开销双信道MAC协议

针对现有太赫兹通信网络双信道MAC协议存在控制开销冗余和在竞争信道时缺少优先级调度策略等问题,提出了一种太赫兹网络中基于优先级调度的低开销双信道MAC协议（Low Overhead Dual-channel MAC Protocol Based on Priority Scheduling,LO-PSMAC）,包含通信距离预判、优先级调度策略的CSMA/CA和精简THz频段MAC帧三种机制,可有效提升信道利用率和整体网络吞吐量,同时减小控制开销和降低数据平均时延。仿真结果表明,所提协议与现有太赫兹双信道MAC协议相比,MAC层吞吐量和信道利用率分别提升了7.14%和14.75%,数据平均时延降低了14.21%。     

一种多DAG任务共享异构资源调度的费用优化方法

针对多DAG（Directed Acyclic Graph）共享一组异构资源在调度吞吐量最大化基础上的费用优化问题,本文提出了一种基于总费用变化量探测的费用优化算法PDTC（based on the Probe of the Total Cost Decrease）,目的在于尽可能降低有优化条件的多个DAG的总费用.实验表明,该算法不仅能使得各DAG充分利用期限内的冗余时间,也能够在一定程度上降低多个DAG调度执行的总费用.