基于边缘计算与区块链的车载计算资源智能调度研究

随着车联网(IoV)的快速发展及部署,用户对网络服务质量的要求也随之提高。车联网数据计算作为网络服务的重要内容之一,越来越受到关注。移动边缘计算(MEC)作为一种允许车辆将计算任务卸载到车联网系统边缘服务器的技术,能够有效降低计算时延,提升数据处理效率。然而,车联网的数据流量日益增加,导致边缘计算设备的需求量大幅提高且存在数据安全可靠性问题。对此,本文面向车联网中移动车辆计算卸载的场景,提出一种基于区块链的停放车辆辅助计算的系统模型。通过联合考虑服务器计算资源、车辆机动性等条件,利用深度强化学习(DRL)对计算卸载和资源分配策略进行优化,减少系统能耗和数据传输时延,并提高区块链系统的交易吞吐量。仿真结果表明,本文所提优化方法可以有效提升系统性能,同时具有良好的收敛性能和稳定性。     

基于联邦元学习的安全移动边缘计算卸载框架

移动边缘计算(MEC)技术通过卸载部分计算任务到边缘服务器,可将第5代网络(5G)、云计算、大数据和人工智能等技术延伸到物联网终端。针对如何高效卸载计算任务和保障边缘数据隐私安全2个关键问题,在综述计算卸载性能优化研究基础上,本文提出了一种融合联邦学习和元学习的计算卸载应用框架,通过对计算任务的计算卸载以及计算资源的联合优化,从而实现系统加权时延和最小。在不泄露用户数据隐私的前提下,联合多个边缘服务器共同训练一个全局模型,并实现边缘服务器个性化计算卸载应用。在新的计算任务场景下,全局模型的网络参数仅用少量训练样本就能快速收敛。实验测试结果表明,本文提出的基于联邦元学习的计算卸载框架可适应未来边缘计算应用的隐私安全需求。     

直运越库物流的精确算法研究

多车辆直运越库调度问题的目标是最小化所有客户中的最晚到货时间.首先,建立了描述该问题的混合整数线性规划模型,并使用运筹优化工具ILOG CPLEX进行求解;其次,构造了基于LPT规则的启发式算法,为精确算法提供了初始可行解,并对分支定界算法进行详细的分析;最后,在数值实验部分,通过数学模型与分支定界的比较及算法性能的分析后,得出分支定界算法具有更高的效率,该分支定界算法在合理的时间内能够求解到11个供应商规模的问题.     

越库物流调度问题及其近似与精确算法

在提出问题基础上,建立了基于在制品优化目标的调度模型;根据模型的不同调度特征,给出问题求解的启发式近似算法,并对算法的计算复杂性进行分析,提出问题精确求解的分枝定界算法;通过数值实验验证所给出算法的有效性.表明:分枝定界算法可以有效求解多达40个货物品种的准时制配送问题;启发式算法也具有较高的计算精度,为实际越库物流管理奠定算法基础.     

基于反向扩散灾变和精英增强进化的自适应蝴蝶算法求解MFCAP问题

针对工业实际中设施物流交互点与其靠过道边线中点存在不重合的情况,提出一种考虑设施左右镜像情况的过道布置问题(MFCAP),建立该问题的整数规划模型,并提出一种适用于MFCAP的改进离散蝴蝶优化算法。该算法在标准蝴蝶优化算法的基础上对编码方法和相关操作进行离散化构造,通过自适应模式切换概率提高算法的搜索速度,采用精英增强进化、反向扩散灾变等方法提高算法的搜索精度。为验证所提模型的正确性,采用分支定界法和改进离散蝴蝶优化算法对小规模MFCAP算例进行精确求解。为验证所提算法的有效性,将改进离散蝴蝶优化算法与其他启发式算法在较大规模算例中的求解结果进行对比。结果表明,所提改进离散蝴蝶优化算法在应用于MFCAP时具有较高的寻优质量和寻优效率,是求解MFCAP问题的一种有效方法。     

基于负荷预测的冰蓄冷空调系统的优化运行策略

为了在不同冷负荷下合理分配蓄冰/释冰量和制冷机组运行时间,提出一种基于负荷预测的冰蓄冷空调系统的优化运行策略,使用ELM算法建立负荷预测模型,根据该负荷预测值系统自动制定优化运行策略。将该优化运行策略应用于西安咸阳国际机场4号制冷站冰蓄冷系统,控制制冷机组运行和蓄冰装置的冷量分配。经实际运行数据对比验证,基于该模型的负荷预测值与实际运行值匹配度达到85%,应用优化运行策略之后系统运行成本降低6.11%。     

基于多段插值拟合的深度神经网络非线性层加速方法

针对传统量化算法无法应用于非线性运算层的问题,本文提出了一种基于多段插值拟合的非线性层加速方法,利用插值表存储插值函数的参数,通过查表来计算得到非线性层的输出结果。使用本方法,可以在对非线性层进行有效加速的同时实现拟合误差可控。此外在硬件部署时,仅需要基础硬件指令支持,在边缘端和服务器都可以部署。实验结果表明,使用本文提出的多段插值方法拟合多种非线性层,可以取得平均1.44倍的加速效果。这种非线性层可以方便快捷地部署在图像分类、自然语言处理和机器翻译等多种任务模型上,并且每个模型对拟合精度有不同需求的情况下,均可以保证推理和训练精度损失小于0.5%。     

带装载组合约束的汽车出厂物流组合装箱问题的模型和分支定界算法研究

研究带装载组合约束的出厂物流装箱问题的精确算法和启发式算法,问题的优化目标是最大化装载商品车数量的同时最小化使用承运车数量,其中装载组合约束是指每辆承运车所能装载商品车的类型和数量是给定的。数值实验和案例分析表明,设计的分支定界算法都能够有效提高求解效率并应用于实际情况。     

气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究

为有效应对气候变化,促进虚拟电厂(virtual power plant, VPP)的健康发展,基于区域气候模型(providing regional climate for impact studies,PRECIS)、BP神经网络预测模型和区间优化算法,提出了适应气候变化的VPP运行优化模型。应用PRECIS模拟2025年不同碳排放情景下气温、风速和辐射量等气象要素的变化规律;基于PRECIS气象要素模拟结果,应用BP神经网络模型预测2025年光伏电站的发电量;将区间优化算法与发电量预测结果相耦合,以此降低光伏发电不确定性对优化模型模拟结果的影响。结果显示,该模型可生成适应气候变化的VPP最优运行策略,降低系统运行成本,提升VPP运行效益。     

面向汽车整车出厂物流的两阶段组合装箱调度优化模型与算法研究

研究组合装箱与道位分配的两阶段出厂物流的调度模型与算法,问题将考虑订单、驳运车、仓库道位资源、客户需求、配送成本等多种因素。首先将所研究问题划分为带装箱约束、方向约束和拼车约束的组合装箱子问题,和带驳运车到达时间及道位不可用时间段的道位分配问题。针对两个子问题建混合线性整数模型并分别设计了分支定界和启发式算法,实现两阶段整合求解。最后,通过数值实验和与人工调度结果的对比模型,表明了模型和算法的有效性。     

移动终端辅助的异构无线网络协作定位算法

为消除非视距传播导致的定位误差,提出了一种蜂窝网和Ad Hoc组成的异构无线网络的一种基于多源信息融合的协作定位算法.该算法首先测量待定位移动终端分别与基站和具备GPS接收机的协作移动终端之间链路的到达时间和接收信号强度信息,通过数据融合算法以及所提出的拓展的范围缩放算法来获取最终的估计位置.仿真结果表明,该协作定位算法比其他传统算法能获取更高的定位精度和稳定度,并能接近理论上计算得出的定位误差克拉美-罗下界.     

基于BDPCA聚类算法的航空发动机故障数据标记

航空发动机作为飞行器的动力核心对飞行器的安全飞行有着举足轻重的作用,保证航空发动机的平稳运行对飞行安全有着重大意义。在基于有监督学习的航空发动机故障诊断技术不断取得进展的同时,如何将平时获取的大量未标记数据转换为能够用来训练故障诊断模型的带标记数据,成为了制约行业发展的一大瓶颈。针对这一问题引入了基于无监督学习的DPCA算法,用以实现对未标记数据集的准确分类与标记,并针对DPCA算法在局部密度计算与簇类别数选择方面的缺陷进行了优化:针对原始DPCA算法应用标准高斯核计算局部密度易造成误识别的状况,引入共享邻域算法对局部密度的计算方法进行优化;针对原始DPCA算法需要人工研判确定簇类别数易造成的误识别状况,引入BIC选择准则对簇类别数的选择方法进行优化;提出了原始DPCA算法与共享邻域算法以及BIC选择准则相结合的BDPCA算法。最后应用航空发动机转子故障数据对BDPCA算法进行了性能验证并取得了良好的结果,证实了BDPCA算法在航空发动机气路故障诊断领域有较高的实用价值。     

基于改进极限学习机的水轮机运转状态识别

针对水轮机远程运行状态监测困难的现状，提出了基于模拟退火算法的粒子群算法(simulated annealing algorithm-particle swarm optimization, SA-PSO)优化极限学习机(extreme learning machine, ELM)的方式，建立水轮机运转状态识别模型SA-PSO-ELM。对水轮机信号进行互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)获得IMF分量，引入皮尔逊相关系数计算各个IMF分量与水轮机信号的相似度，判断信号主导模态和噪声主导模态的分界点，用小波去噪对噪声主导模态降噪，并与其余的IMF分量重构得到去噪信号，同时对去噪后的信号进行分解，计算每个IMF分量的排列熵，构建特征向量。由于SA-PSO精度高不易陷入局部最优的特点和ELM的性能受权值、阈值共同影响的特点，用SA-PSO优化ELM的权值和阈值，构建水轮机运转状态识别模型SA-PSO-ELM。对不同工况下采集的水轮机压力脉动数据，分析了基于PSO-ELM、ELM及SA-PS...     

基于CNN同心邻域极值的多车道智能交通系统图像多车牌区域的边缘检测

针对现有智能交通系统（ITS）多车牌定位识别算法漏检率高、处理速度慢等问题,在研究细胞神经网络（CNN）理论的基础上,提出了一种基于CNN同心邻域极值（CNE）的ITS图像多车牌区域边缘检测算法,简称CNECNN算法。该算法只需计算CNN中同心邻域内极大值与极小值函数差的二阶微分零交叉点,即可获得图像的边缘。此外,该算法利用CNN稳态能量函数惩罚约束机制优化粒子群适应度函数,在解空间中搜索参数全局最优解以获得CNN邻域极值模板参数。该算法为并行算法,具有运算量小,易于大规模集成电路实现,能够克服早熟收敛等优点。实验结果表明,与传统边缘检测算子和CNN通用机（CNNUM）固定模板参数算法相比,该算法漏检度降低了12.9%。     

集中控制VMI&TPL模式下的库存运输集成问题

以“多供应商,单TPL,单制造商”供应链网络为研究环境,研究了集中控制VMI&TPL模式下的库存运输集成优化问题,旨在为供应商和TPL提供补货决策和车辆路线计划.基于滚动计划期,构建了库存运输集成计划模型.鉴于该模型问题是一个NPC问题,提出了基于模拟退火遗传算法的四步骤启发式算法.算例分析结果表明该启发式算法是有效可行的.     

可回收垃圾库存管理和车辆调度联合优化研究

研究了“两网融合”下社区可回收物回收清运系统中的回收点库存管理和清运车辆联合调度优化问题。以回收物流失和运输成本最小化为目标，建立了混合整数规划模型。设计了内外层嵌套优化算法进行模型求解。外层使用遗传算法来决策回收点库存管理清运线，内层设计了启发式算法，针对每周期清运计划规划车辆路径，从而获得外层算法所需要的适应度值，内外层算法交替迭代，从而得到合理的清运线和路径规划决策。基于实际案例和数据，设计了多种规模算例进行对比验证，证明了所提算法性能优于Gurobi。与现行回收策略相比，所提算法最高能减少48%以上的回收成本，有利于“两网融合”回收系统的长期高效运行。     

一种利用EAM实现高效下变频和远程传送光LO信号的ROF结构

提出了一种新颖的光纤无线通信(ROF)系统中高效全光下变频的方案.用此方案可远程传送光本振信号,在无需改变中心站配置和复杂度的情况下,仅需在基站使用一个电吸收调制器就能同时实现对上行链路数据的下变频并进行调制,使得基站不需要光源和本振射频源,大大减小了基站的复杂度,节约了系统成本.通过模拟和实验表明,光本振信号在光纤中传输20km后,对上行链路数据进行相干接收,其功率代价小于4dB.     

面向下一代网络业务部署的多维负载平衡算法

分析了用于解决下一代网络业务部署问题的已有负载平衡算法的不足,提出了一种启发式的多维负载平衡优化算法(MLOASD),并通过理论分析和实验检测证明了该算法的有效性.结果表明,用该算法能够获得系统负载平衡的近似最优的业务部署方案,其性能优于已有算法,具有实用性.     

基于标签估计的动态最优多分支搜索防碰撞算法

针对射频识别(RFID)系统的动态二分支搜索(DBS)算法,提出了一种改进的动态多分支搜索算法,然后通过对多分支算法系统效率的分析,给出了最优分支数目的计算方法,并结合标签估计方法,得到了动态最优多分支搜索(DOMBS)防碰撞算法。理论分析和实验仿真表明,与DBS算法相比,改进算法——DOMBS防碰撞算法的查询次数较少,具有明显的性能优势。DOMBS算法的系统识别效率达58%,而DBS算法的效率仅为50%左右,如果标签估计方法能够进一步优化,DOMBS算法的效率还能得到进一步提高。     

考虑源-荷-储多能互补的冷-热-电综合能源系统优化运行研究

综合能源系统（integrated energy system,IES）以多能互补和能量阶梯利用为核心,将大大提高系统的能量利用率,实现多种能流互补优化。通过建立冷-热-电综合能源系统,以系统总运行成本最低为目标函数,考虑设备模型约束和功率平衡约束,采用日前负荷模拟综合能源系统经济优化运行;同时考虑到系统在冬、夏季运行工况差异较大,采用分季调节运行模式,利用分支界定（branch and bound,B-a-B）算法求解优化模型。仿真结果表明,系统能量供给平衡,"源-荷-储"互补搭配性强,系统运行灵活、经济高效,同时,系统污染气体排放量少,有利于环境保护。