机器学习在SDN路由优化中的应用研究综述

随着网络技术的迅速发展和新型应用的不断出现,网络数据的急剧增加导致网络管理变得极其复杂.传统网络中的设备多种多样,配置复杂,难于管理,而软件定义网络(software defined networking, SDN)这种新型网络架构的出现给网络管理带来了曙光,该架构摆脱了硬件设备对网络的限制,使网络具有灵活、可编程性等优点.一个好的路由机制影响着整个网络的性能,软件定义网络的集中控制特性给机器学习在路由机制方面的应用带来了新的研究方向.首先论述了SDN路由优化的现状,然后从监督学习和强化学习2个方面概述了近年来机器学习在SDN路由方面的研究,最后为了满足不同应用的服务质量(quality of service, QoS)以及不同用户的体验质量(quality of experience, QoE),提出了数据驱动认知路由的发展趋势.通过赋予网络节点感知、记忆、查找、决策、推理、解释等认知行为,加快寻路过程,优化路由选择,完善网络管理.     

通用图形处理器缓存子系统性能优化方法综述

随着工艺和制程技术的不断发展以及体系架构的日趋完善,通用图形处理器(general purpose graphics processing units, GPGPU)的并行计算能力得到了很大的提升,其在高性能、高吞吐量等通用计算应用场景的使用越来越广泛.GPGPU通过支持大量线程的并发执行,可以较好地隐藏长延时访存操作,从而获得高并行计算能力.然而,GPGPU在处理计算和访存不规则的应用时,其存储子系统的效率受到很大影响,尤其是片上缓存的争用情况尤为突出,难以及时提供计算操作所需的数据,使得GPGPU的高并行计算能力不能得到充分发挥.解决片上缓存的争用问题、优化缓存子系统的性能,是优化GPGPU性能的主要解决方案之一,也是目前研究GPGPU性能优化的主要热点之一.目前,针对GPGPU缓存子系统的性能优化研究主要集中在线程级并行度(thread level parallelism, TLP)调节、访存顺序调节、数据通量增强、最后一级缓存(last level cache, LLC)优化和基于非易失性存储(non-volatile memory, NVM)的GPGPU缓存新架构设计等5个方面.也从这5个方面重点分析讨论了目前主要的GPGPU缓存子系统性能优化方法,并在最后指出了未来GPGPU缓存子系统优化需要进一步探讨的问题,对GPGPU缓存子系统性能优化的研究有重要意义.     

一种三参数统一化动量方法及其最优收敛速率

动量方法由于能够改善SGD(stochastic gradient descent)的收敛性能而倍受机器学习研究者的关注.随着其在深度学习的成功应用,动量方法出现了众多形式的变体.特别地,产生了SUM(stochastic unified momentum)和QHM(quasi-hyperbolic momentum)两种统一框架.但是,即使是对非光滑凸优化问题,其最优平均收敛性的获得仍然存在着固定迭代步数和无约束等不合理限制.为此,提出了一种更一般的含三参数的统一化动量方法TPUM(triple-parameters unified momentum),能够同时包含SUM和QHM;其次,针对约束的非光滑凸优化问题,在采取时变步长的条件下,证明了所提出的TPUM具有最优的平均收敛速率,并将其推广到随机情况,从而保证了添加动量不会影响标准梯度下降法的收敛性能以及动量方法对机器学习问题的可应用性.典型的L1范数约束hinge损失函数优化问题实验验证了理论分析的正确性.     

基于自适应邻域嵌入的无监督特征选择算法

无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了解决这个问题,提出了一种基于自适应邻域嵌入的无监督特征选择(adaptive neighborhood embedding based unsupervised feature selection, ANEFS)算法,该算法根据数据集自身的分布特点确定每个样本的近邻数,进而构造样本相似矩阵,同时引入从高维空间映射到低维空间的中间矩阵,利用拉普拉斯乘子法优化目标函数进行求解.6个UCI数据集的实验结果表明：所提出的算法能够选出具有更高聚类精度和互信息的特征子集.     

钢铁企业液氩供应系统的设计与优化

总结了大型钢铁企业的液氩供应系统的设计经验,为保证用户用气的稳定而采用高压液氩储罐、罐前设液氩泵的设计方案,针对使用过程中的问题对已有系统进行优化改造.     

平面桁架结构拓扑优化设计的改进智能算法

结构拓扑及形状退火算法(STSA)用于桁架结构拓扑优化设计,其优化特点为注重结构构型的改变而较少考虑结构的力学性能,而针对既定几何构型的桁架结构截面优化,满应力准则法(FSD)具有明显优势,因此,将其引入退火历程改进STSA。提出结构几何构型状态相对稳定判别方法,并以结构构型状态相对稳定作为引入FSD的最佳时机形成杂交算法。算例分析表明：该改进智能算法使寻优搜索过程更为稳定,其表现为搜索效率、鲁棒性和最优解均得以改善。     

关系数据库中基于区域聚类的多区域查询优化

针对关系数据库及其应用中多个区域查询的并发处理,提出了一种区域聚类的方法,其基本思路是将多个查询中相近的区域分成若干组,每组构成较大的区域,从较大的区域中检索元组.这种方法避免了多个区域中相同部分的多次访问,减少了数据库I/O操作的次数.对于低维和高维数据,此方法与一一查询的朴素方法相比,其性能都有明显提高.     

基于节点电压的电网无功优化策略研究

电力系统无功优化可以有效地降低网损,并提高系统电压的合格率,从而降低网络运行费用,提高电压质量。因此,研究电网的无功优化,对于提高电网的运行的经济性和稳定性有重大意义。文章介绍了电力系统无功优化问题研究的发展及现状,给出了基于节点电压的电力系统无功优化的数学模型,综述了应用于电力系统无功优化问题。     

共道干扰下多入多出系统功率分配最优化问题

多输入多输出(MIMO)技术可以极大地提高系统容量和频带利用率,是下一代移动通信网和宽带无线网络的核心技术。在实际情况中,尤其是在多用户情况下,MIMO链路间存在的共道干扰将会对其容量性能产生严重影响,此时需要对MIMO系统功率分配方案进行优化设计。给出了共道干扰MIMO系统的信号模型,从最大化互信息角度分析共道MIMO系统容量,提出在干扰噪声比-信噪比(R_IN-R_SN)空间将系统优化问题归为4种情况,并给出可行的功率分配优化方案,同时分析了方案的适用性,指出亟待解决的主要问题和进一步的研究方向。     

带有侦察子群的蚁群系统

针对基本蚁群算法收敛速度慢、容易出现停滞等缺陷,提出一种新的蚁群优化算法——带有侦察子群的蚁群系统.该算法从整个蚁群中分离出一部分蚂蚁组成侦察子群,在优化过程中侦察子群以一定概率做随机搜索,提高了解的多样性;在信息素更新策略上同时使用本代和全局最优蚂蚁,兼顾了本代和历史的搜索成果;同时还采用LK变异算子,对每次搜索的解进行局部优化.最后对三个典型TSP实例进行了仿真实验,结果表明新的算法不仅能够克服早熟现象,而且能够大大加快收敛速度.