共享通信信道下多用户竞争的能效计算卸载机制

移动云计算环境中,移动用户需要决定是否将应用卸载至云端处理,即计算卸载决策问题。在共享信道下,多竞争用户进行应用卸载时,必然会导致应用执行的延时。为了解决截止时间约束下执行能耗的优化问题,提出了一种非合作博弈算法。博弈过程中,每个用户以满足应用执行期限的同时最小化自身能耗为目标,将多竞争用户共享通信信道建立为非合作博弈过程,使单个用户可以独立作出计算卸载决策。证明了在同质和半同质环境下,算法总能产生Nash均衡解。并设计了一种基于高斯赛德尔模型的方法求解了Nash均衡解。仿真实验结果证明,算法可以在一定次数迭代后收敛于Nash均衡点处,在满足时间约束的同时,极大降低用户局部执行时的总体能耗。     

雾计算环境下基于多目标优化的计算迁移策略研究

在雾计算环境下,移动设备(如智能手机)可以将计算任务迁移至其附近的雾节计算点.虽然计算迁移可以减少移动设备的能耗,但可能会造成更大的延迟.因此,将如何平衡能耗和延迟性能作为研究的目标,利用排队论来对计算迁移过程的能耗、延迟和成本进行理论研究.基于理论分析结果,以同时减少能耗、延迟和成本为目标,将计算迁移问题建模为多目标优化问题.利用仿真实验,将本文方案与现有方案进行对比,验证本文方案的性能.     

基于分簇能耗聚集的云计算多目标任务调度算法

在云计算环境下的多分簇目标的任务调度是提高软件嵌入式系统稳定性的关键,由于云计算中能耗扩散,在多处理器集群多目标任务调度中出现任务调度优先级列表混乱,调度性能不好的问题.传统方法采用节点行为信息流特征分析方法进行任务调度,随着分簇能耗扩散,收敛性不好.提出一种基于分簇能耗聚集的云计算多目标任务调度算法.待分析任务调度信息流的分层能耗聚集轨迹峰值往往含有重要的信息,提取待分析任务调度信息的能耗特征,构建云计算多目标任务调度模型,实现对云计算多目标任务调度算法的改进.仿真结果表明:采用该算法能有效提高云计算多目标任务调度效率,任务执行时间较短,系统稳定性高.     

基于模拟退火算法的云计算资源调度模型

针对云计算平台的特征,提出基于模拟退火算法建立云计算资源调度模型。模拟退火算法在保证用户公平性的前提下,以缩短总任务的完成时间及提高用户满意度为目标。通过仿真实验,在相同硬件环境下对比分析模拟退火算法与传统遗传算法的资源调度性能。结果表明,模拟退火算法在收敛速度和用户满意度方面均优于传统遗传算法,更加适应云计算环境。     

面向云雾计算的实时任务调度算法的设计及分析

相比于云计算,雾计算通过将计算、存储和网络服务靠近物联网设备,满足了时延和响应时间要求。为此,提出基于模糊逻辑的实时任务调度（fuzzy logic-based real-time task scheduling,FLTS）算法。先利用模糊逻辑算法合理地给云层和雾层分配任务,当雾层执行任务时,就依据任务对计算、存储和带宽要求以及任务的截止日期、数据尺寸,选择最适宜的虚拟机处理任务。仿真结果表明,相比于同类算法,提出的FLTS算法提升了执行任务的成功率、完成时间以及平均周转时间等性能。     

基于边缘分析的无线多维数据融合技术

由于无线设备的能量有限,如何提高网络节点能效是物联网应用中亟待解决的问题.在多维数据传输场景下,首先利用边缘计算的优势,设计了活跃节点选取策略,并满足任务需求的前提下让剩余节点休眠,减少活跃节点的数量,从而降低网络的整体能耗.其次,利用重叠数据设计了待传输数据包数量的优化方案,减少传输能耗.仿真结果表明,上述算法可以有效降低能耗并延长网络生命周期.     

云计算架构下的移动学习

云计算是一种基于互联网的超级计算模式,在云计算环境下,需要构建支持网络学习的"云"服务,云服务的设计与开发是未来教学信息系统—移动学习开发者要掌握的技术,本文从云计算的应用环境与特点出发,搭建了云计算的移动网络学习平台,完成了云计算环境中移动学习的系统设计,探讨了系统设计存在的问题,对以后该方向的发展有着一定的参考价值。     

基于CFA优化Macro/Femtocell异构网络能效的子载波分配

针对FA算法存在局部最优和早熟问题,将云模型和萤火虫算法结合起来,提出一种云模型萤火虫算法优化Macro/Femtocell异构网络能效方法。以网络能效最大化为目标,在满足Macro/Femtocell异构网络用户服务质量前提下,运用云模型萤火虫算法进行子载波分配优化研究。通过研究不同载波数、不同用户数量和网络能耗之间的关系,结果表明,与FA、PSO和GA相比较,CFA算法获取的传输速率更大,因此系统能效更高。     

融合区块链与边缘计算系统中基于最小化网络时延的TOSML优化方案

在融合区块链与边缘计算系统中,如何缩短任务执行时长以帮助矿工节点以最快的速度获得数字货币奖励是极为重要的问题.通过考虑不同任务卸载方式的性能差异,提出了一种能耗受限的最小化时延任务卸载方案TOSML.首先对融合区块链与边缘计算系统中的任务执行时长和能量消耗进行了数学分析,然后在系统总能耗及终端能耗均受限的条件下,建立了以最小任务执行时长为目的的数学优化模型,最后利用遍历算法对上述优化模型进行求解.在仿真中,对系统的能量消耗、执行时长等参数进行了对比分析,仿真结果证明此策略能够有效提升矿工节点挖矿速度.     

云计算环境下基于蚁群优化算法的资源调度策略

云计算是当前国内外企业与研究机构研究的重点,是下一代网络应用的新兴与主流技术。资源调度作为云计算中的关键问题,研究怎样将用户提交的任务合理地分配给各个计算节点同时能够兼顾计算结节的动态扩展性。本文提出运用蚁群优化算法进行资源调度,综合考虑任务完成时间和计算成本优化问题,建立数学模型,是一种有效的资源调度算法。