贝塔混合模型的变分贝叶斯学习及应用

贝塔混合模型（Beta Mixture Model,BMM）是一种重要的非高斯概率模型,常用于有界数据的统计分析.但是由于其表达式复杂,BMM的参数估计比较困难.针对该问题,本文提出一种高效的变分贝叶斯学习方法进行参数估计.该方法采用形式简单的自由分布,通过不断最大化初始变分目标函数的下界,迭代逼近得到真实的贝叶斯后验分布.在合成数据集与实际数据集上进行实验,实验结果证明了所提出算法的有效性和可行性.     

基于时延与能量感知的边缘服务器放置方法

针对移动边缘计算中无线城域网环境下的边缘服务器放置（WESP）问题,建立时延和能耗模型并将WESP问题转化为带约束条件的单目标优化问题,进而提出一种基于混沌麻雀搜索算法的边缘服务器放置方法。使用精英反向学习策略初始化种群,增加初始种群的多样性,加快算法搜索速度。通过设计新的个体编码方式准确描述WESP问题,优化算法更新过程。采用逻辑混沌映射策略改进麻雀个体,保证迭代后期的种群多样性,加快算法收敛速度。仿真结果表明,与主流放置方法相比,该方法在时延和能耗优化方面表现突出,并且系统开销下降了18.1%。     

基于能量均衡高效WSN的分簇路由算法

针对无线传感器网络(WSN)节点能耗不均衡导致网络生存时期短的问题,提出一种基于改进人工蜂群算法(CTABC)和模糊C均值(FCM)聚类的分簇路由算法(AFCR).簇构建阶段,基站采用由CTABC优化的FCM对网络节点聚类分簇;每个簇内,节点基于自身状态分布式竞选簇首;簇间路由阶段,通过引入经济学中的基尼系数对蚁群优化(ACO)进行改进,提出一种基于改进ACO的簇间路由算法;簇内通信阶段,引入区分忙闲节点的轮询控制机制.在不同的场景中对所提协议进行仿真,实验结果表明,与FIGWO和GAFCMCR算法相比,AFCR能够有效地均衡网络能耗,延长网络生存期,提高网络吞吐量.     

连续时间两级完全轮询接入MAC协议分析

针对物联网中优先级业务和实时性的需求,提出一种连续时间两级完全轮询接入MAC协议.在连续时间的基础上,将用户划分为优先级用户和普通用户,采用完全服务规则对用户提供服务来降低平均等待时延.当优先级用户向普通用户切换时,将服务时间和切换时间并行处理来提高系统的服务效率.使用随机过程和概率母函数的方法建立数学模型,对该协议用...     

面向海洋节能边缘计算的任务卸载研究

针对海洋通信网络能源不稳定、时延较长的问题,提出一种混合能量供应的边缘计算卸载方案。对于能量供应问题,移动边缘计算(MEC)服务器集成混合电源和混合接入点,混合电源利用可再生能源为MEC服务器供应能量,采用电力电网作为其补充能源,保证边缘计算系统的可靠运行,船舶用户通过混合接入点广播的射频(RF)信号收集能量。针对任务卸载优化问题,以能耗-时延权衡优化为目标,联合能量收集方法制定任务卸载比例、本地计算能力和发射功率的优化方案,最后利用降维优化算法,将目标函数简化为关于任务卸载比例的一维多约束问题,并利用改进的鲸鱼优化算法获得最优的执行总代价。利用边缘云模拟器EdgeCloudSim仿真的结果表明,所提方案较具有能量收集的资源分配方案和基本海上通信网络优化的方案执行成本分别降低了13.4%和9.6%。     

战术数据链网络的介质访问控制层优化控制及性能分析

为解决战术数据链中优先级问题,提出一种基于完全接入策略和非对称门限接入策略的区分优先级两级轮询控制策略,用于战术数据链网络的媒体接入控制中。在该轮询控制策略中,对战术数据链中的低优先级前哨站点采用非对称门限接入策略,对高优先级前哨站点采用完全接入策略;在网络控制站点由高优先级前哨站点转低优先级前哨站点时,将传输服务与转移查询并行处理来降低查询转换期间所耗费的时间,提高轮询系统的效率。运用马尔可夫链和概率母函数方法建立了系统的数学模型,精确解析出各个前哨站点内等待发送的平均信息分组数表达式。结合循环周期2阶特性量近似方法,解析出前哨站点内信息分组平均等待发送时间的近似表达式。仿真实验结果表明,实验值与理论值大致相等且高优先级前哨站点的服务质量优于其他站点,证明理论分析正确,该模型达到了区分优先级的目的。     

基于正交设计的折射反向学习樽海鞘群算法

为克服基本樽海鞘群算法(SSA)存在的收敛速度慢、高维求解精度低等不足,提出正交折射反向学习机制和自适应惯性权重策略,嵌入SSA中,得到一种基于正交设计的折射反向学习樽海鞘群算法(OOSSA)。正交折射反向学习策略中,采用基于透镜成像原理的折射反向学习策略以加强对反向解空间的勘探,极大地降低了算法陷入局部最优的概率;采用正交试验设计构建若干部分维上取折射反向值的部分反向解,深度挖掘并保存当前个体和折射反向个体的优势维度信息。此外,在跟随者位置更新阶段引入惯性权重因子,有效地改善跟随者的搜索模式并增强算法的局部开采能力。采用CEC2017基准函数进行仿真实验,同时使用Wilcoxon秩和检验、Friedman检验等方法来评价OOSSA算法的优化性能,测试结果表明所提算法的寻优精度和收敛速度明显优于基本SSA算法、8种新近的改进SSA算法和9种前沿的群体智能优化算法。此外,将所提算法应用于一个工程设计问题,结果表明该算法在工程优化方面的性能优于对比算法。最后,针对求解自主移动机器人路径规划问题,提出一种基于OOSSA的路径规划算法。在3种环境设置下对所提算法进行仿真实验,并与PSO、ABC...     

基于均匀化分布的Chebyshev映射系统构建及特性分析

针对传统Chebyshev映射所呈现的值域边界双峰的分布特性，为满足优化理论中序列均匀分布的需求，结合Chebyshev映射概率密度函数进行数理推导，将得到的随机变量函数与原映射级复合成新的系统。通过对比研究表明，系统具有良好的均匀分布特性、遍历特性、平衡性和较低的复杂度，所产生序列的随机误差小，相似度高。最后将系统应用于优化算法中的初始化种群阶段，进一步说明了所做的均匀化分布系统在改善原序列均匀分布特性的效果是显著的。     

基于马尔科夫决策过程的车载边缘计算切换策略

针对车载边缘计算环境中卸载场景的动态变化对计算卸载的影响,提出了一种基于马尔科夫决策过程的计算切换策略,在保证任务完成时间的基础上,对计算卸载的整体过程进行分析,从而进一步降低了计算切换的引入对卸载效果的影响。仿真实验针对计算切换的引入是否有助于提升计算卸载的效果以及如何进一步降低计算切换的引入对计算卸载的影响进行了4种算法的对比,实验结果表明,基于文中提出的计算切换策略,可以提升计算卸载的效率,保证用户的服务体验。