【摘 要】
:
随着5G时代的到来,移动电信网络服务正在由数据中心服务模式向分布式移动边缘计算(Mobile edge computing,MEC)服务模式过渡。在此背景下,网络功能虚拟化(Network function virtualization,NFV)技术逐渐受到关注,传统的网络基础服务例如网络防火墙、入侵检测系统和数据转码器等,可以应用虚拟化技术以虚拟网络服务(Virtual network func
论文部分内容阅读
随着5G时代的到来,移动电信网络服务正在由数据中心服务模式向分布式移动边缘计算(Mobile edge computing,MEC)服务模式过渡。在此背景下,网络功能虚拟化(Network function virtualization,NFV)技术逐渐受到关注,传统的网络基础服务例如网络防火墙、入侵检测系统和数据转码器等,可以应用虚拟化技术以虚拟网络服务(Virtual network function,VNF)的方式更加灵活的部署到边缘网络的通用服务器中,以减少网络服务延迟,改善用户体验。同时VR应用,AR应用以及网络直播等网络延迟敏感型应用也越来越多,提供这些服务的网络服务提供商也可以将其在数据中心(Data Center,DC)的服务缓存到MEC网络中,以便就近服务其用户。针对以上两个问题,本文研究了MEC网络中的服务缓存问题,即如何将应用服务部署在边缘网络节点中,同时更加高效的利用MEC服务器的资源。在此背景下,考虑以下两种问题背景,一种是只有一个应用服务提供商的情形,即提供基础网络功能的基础架构运维商,此时仅需要考虑如何在满足应用服务延迟的前提下,将网络服务部署到用户侧的边缘服务器中,使得总体应用服务缓存成本最低;另一种是存在多个应用服务提供商,即多种应用软件服务提供商,除了需要考虑第一种情形中如何部署应用程序的问题外,还需要考虑应用服务提供商之间对边缘服务器资源的竞争。针对只有一个应用服务供应商的服务放置问题,本文通过对计算资源以及带宽资源建立约束,通过构造辅助图,将服务延迟与传输延迟进行统一建模,通过构造一个寻找加权路径问题约束其服务最大延迟;目标是为了最小化服务部署成本,建立一个优化问题模型,之后将优化问题描述为一个组合优化问题(背包问题),同时使用近似算法对其进行求解。对于多应用服务提供商的服务缓存问题,在第一个优化问题的基础之上,结合Stackelberg博弈策略,将应用服务提供商分为可协商的集合与自私的集合,由此应用博弈理论并求解优化问题,最终得到分步的服务缓存方案。最后,本文通过仿真实验以及综合实验平台实验对提出的两种方法的性能进行检验,实验结果表明本文提出的算法是可行的。
其他文献
近年来,三维深度学习的研究已成为热点,它在自动驾驶、机器人等领域中都得到了广泛的应用。现阶段研究中三维模型数据集样本数量有限,规模无法与二维数据集相比,这也是困扰绝大多数研究者的问题。深度学习任务中数据集的匮乏会直接导致模型的性能出现瓶颈,数据增强技术就是为了应对这个问题而被提出的。在三维点云深度学习领域中,对于数据增强技术的研究还不多,本文主要研究三维点云数据的数据增强算法,提出的方法可以从源头
随着机器学习和人工智能等学科的发展,越来越突显出数据的重要性。个人或企业每天会产出或者收集大量的数据,数据的抓取越来越便捷,但是数据质量也逐渐引起人们的重视。其中数据缺失问题常常发生,甚至难以回避。实现算法或提供可靠的决策分析等都依赖于高质量的数据,因此数据填补是一项重要研究内容。本文首先基于自联想神经网络(Auto-Associative Neural Network,AANN)对不完整数据进行
近年来随着生活水平的显着提高,人们对移动式电子设备的性能提出了更高的要求。作为芯片的核心单元,中央处理器(Central Processing Unit,简称CPU)变得越来越重要。但是,一方面由于MOS晶体管达到了物理极限,另一方面由于以ARM等公司为代表的CPU厂商收取越来越高的专利费,CPU的发展进入了瓶颈期。RISC-V(Reduced Instruction Set Computer f
声音作为人类感知周围事物的重要媒介遍布在人们生活的各个方面,其中往往包含着重要信息辅助人们进行抉择。声音事件检测(Sound Event Detection,SED)是指将采集到的音频数据进行分类,并判断当前发生的事件或所处的场景,其在无人驾驶、智能家居、安全监控等领域有着广阔的应用前景。近年来,随着深度学习技术在各个领域的不断发展,使用神经网络替代传统音频识别的方法已经成为越来越多研究人员的选择
随着智慧城市理念逐渐成熟以及技术日益发展,智能交通成为了智慧城市中极其重要的一环。由于国家新能源政策的普及与绿色出行观念的流行,城市居民出行的方式更加倾向于非机动车。然而非机动车使用率的攀升以及对行人管理条例的不完善引起一系列交通违规,这些违规行为引发了大量的交通事故。如何对违规行为的治理科学化、常态化已经成为城市交通网络中亟需解决的难题。本文在解决上述实际问题的过程中,采用了深度学习的方法,提出
近年来,全国各大中小城市已经布满了各种型号的监控摄像头,海量的监控图像极大丰富了人脸以及行人分析任务的应用场景。在此背景下,研究智能视频理解技术,让计算机实现突发事件的准确预测和快速响应,已成为安防领域的核心需求之一。在视频监控领域,行人是主要的监控对象,人脸属性作为面部的重要信息被广泛的应用在人脸识别和人脸检索等任务中。人脸属性识别定义为给定一张人脸图像,经过特征提取,预测出一系列外观属性。根据
近年来,随着机器学习浪潮的出现,基于机器学习的目标识别算法也得以蓬勃发展。目标识别算法当中,数据集与算法是两大关键因素。合适的数据集和良好的目标识别算法能够极大的提高目标识别的速度以及准确率。现阶段使用的数据集,都是基于数码相机生成的sRGB图像。图像经过图像信号处理器(Image Signal Processor,ISP)流程从原始图像转换成sRGB图像。但ISP流程各步骤对于目标识别准确率的影
Ser Des(Serializer/Deserializer,序列化器与反序列化器或者串行器和解串器)是一种时分多路复用(TDM)、点对点(P2P)的串行通信技术。即在发送端多路低速并行信号被转成高速串行信号,经过传输媒体(光缆或铜线),最后在接收端高速串行信号重新转换成低速并行信号。该项技术充分利用了传输媒体的信道容量,减少所需的传输信道和器件引脚数目,从而大大降低通信成本,因此成为高速串行接
脉冲动态系统是一种特殊的混杂系统,由于其广泛的应用前景,近年来得到了越来越多的学者的关注。脉冲系统由于其模型的固有特性,系统的状态轨迹会出现跳变,使得在研究过程中面临的问题更加复杂多变。本文对于线性脉冲系统和非线性脉冲系统的稳定性和控制器设计分别进行研究,主要包含以下内容:首先,讨论了线性脉冲系统的稳定性和控制综合问题。本文研究的线性脉冲系统具有分段线性跳变映射,并在系统中嵌入了时间正则化。使用了
在上世纪90年代,CMOS(Complementary Metal-Oxide Semiconductor)图像传感器数字相机问世,其便以高灵敏度、光谱响应范围大等优点逐步成为市场主流。传统的CMOS图像传感器往往存在动态范围不足的问题,会出现曝光过度和曝光不足。另外,其输出的图像往往会有比较高的噪声,可能无法满足显示设备高质量图像的输出要求。对于这些问题需要使用ISP(Image Signal