【摘 要】
：
通信技术与物联网技术的发展导致物联网终端爆发式增长,感知数据和物联网应用呈指数级增长,推动智慧类应用需求高速发展,对计算存储资源提出更高要求。集中式云计算框架受制于网络拓扑、回传带宽和网络延迟等的影响,难以满足智慧应用场景对处理时延和网络开销的需求。边缘计算框架借助靠近物联网终端侧的多接入边缘计算（Multi-access Edge Computing,MEC）设备,卸载全部或部分计算任务,能有效
论文部分内容阅读
通信技术与物联网技术的发展导致物联网终端爆发式增长,感知数据和物联网应用呈指数级增长,推动智慧类应用需求高速发展,对计算存储资源提出更高要求。集中式云计算框架受制于网络拓扑、回传带宽和网络延迟等的影响,难以满足智慧应用场景对处理时延和网络开销的需求。边缘计算框架借助靠近物联网终端侧的多接入边缘计算（Multi-access Edge Computing,MEC）设备,卸载全部或部分计算任务,能有效解决移动物联网设备的资源瓶颈,解决云计算框架存在的高延迟问题。MEC卸载策略对不同计算任务和不同资源能力设备的性能影响巨大,卸载策略最优化是一个NP难问题,也是近年来业界研究的热点。针对MEC设备拓扑和属性动态变化的卸载策略泛化问题,提出了一种基于图神经网络的动态图卸载算法（Dynamic Graph neural network-based Offloading method,DGO）,利用动态图数据来表示MEC拓扑和设备属性的动态变化,DGO学习设备属性更新、传递和聚合的方法,根据更新后的设备嵌入表示求出卸载决策。针对整体任务卸载颗粒度过大带来的计算存储资源不匹配、网络能耗开销大和时延较高问题,引入细粒度任务卸载机制。对于细粒度任务卸载存在状态空间大,求解复杂度高等问题,提出了一种基于动态图神经网络和强化学习的计算卸载（Dynamic Graph Reinforcement Learning Offloading,DGRLO）调度框架,DGRLO通过DGO和分区按序映射算法生成卸载动作,通过时延与能耗的联合指标评估卸载动作,DGRLO与MEC环境交互学习卸载策略,实现长期效益最大化。以智慧园区中的目标检测和跟踪应用为例构建仿真环境,联合时延与能耗定义系统效益,所提出的卸载算法能够快速收敛,在具有复杂拓扑的动态MEC场景中可将任务响应时延降低1/3,离线训练的模型在未知拓扑上的时延误差不超过0.05s。相比于深度强化学习方法和所提出的整体任务卸载算法,DGRLO能带来8-21%的系统效益提升。
其他文献
信息技术快速发展,社交媒体逐渐取代了传统媒体,信息在社交媒体上快速传播的同时,也给虚假新闻传播带来了可乘之机,虚假新闻对于个人和整个社会都有潜在的危害。新闻传播过程中的用户交互形成了一个复杂的异构图,其中评论和传播是两个重要组成部分,并且都包含了可用于评估新闻真实性的特征。现有的虚假新闻检测模型存在较多缺陷,在评论特征提取上,传统词向量与循环神经网络结合的文本表示方式,语义表达能力弱,评论回复结构
近些年来深度学习迅猛发展,在图像、自然语言处理、图处理等领域取得了良好的效果。但是随着深度学习的模型越来越复杂,可解释性也随之变得更差。深度学习训练出的模型都被视为黑盒子,严重阻碍了深度学习在某些特定领域的应用。在图神经网络领域,很多较新的解释方法可以归纳为求解一个掩码,然后根据掩码去生成最后的解释,常见的掩码方法有边掩码方法和节点掩码方法。现有的节点掩码方法的优点是生成的解释中几乎都是重要的边,
互联网的兴起与定位技术的进步为基于位置的社交网络（Location-Based Social Network,LBSN）的发展提供了数据和技术上的支撑。随着网络规模的扩大,海量的数据内容造成了信息过载的问题,用户检索时间的开销增大,导致信息的利用率下降。因此如何在LBSN中发掘用户的下一个兴趣点（Point-Of-Interest,POI）成为亟需解决的任务。然而现有的下一个POI推荐任务仍存在缺
针对高陡岩质开采创面由于质地不均一、坡度变化较大、稳定性差别较大等造成废弃矿山生态修复效果不理想的问题，以铜陵市义安区桃园硫铁矿废弃矿坑综合治理工程为例，进行了高陡岩质开采创面柔性生态棒生态治理研究。研究结果表明：柔性生态棒修复技术在桃园硫铁矿废弃矿坑综合治理生态修复工程中取得了较好效果，基本消除了视觉污染、减轻了水土流失，并形成了稳定健康的草、灌、乔、藤多层次植物群落，可为类似高陡岩质开采创面较
移动互联网时代,GPS技术的快速发展以及道路网络的日益复杂给导航应用程序带来新的机遇与挑战。目前许多导航应用程序允许以语音作为输入,避免了用户手动输入文字,提高了交通安全性。但是,现有的导航应用程序通常无法理解用户对路径的自然语言描述,仅识别用户以指定模板发出的指令。例如,现有的导航应用程序仅支持用户输入单一的出发地或目的地,不能设置额外的个性化路径搜索要求,无法满足人们日常的出行需求。为扩展现有
近年来,我国出台了多项政策大力推动智能安防产业发展。在智能监控场景下,应用多目标跟踪算法,可以对其中的人物进行实时、准确的跟踪,因而具有很大的研究价值。现有的多目标跟踪算法,存在遮挡情况下容易跟丢目标、跟踪轨迹不连续、跟踪漂移等问题。针对上述问题,提出了相应的解决方法。首先,提出基于注意力的多目标跟踪算法。原有算法重识别（Re-identification,Re ID）分支对目标辨识力强的特征提取
隐蔽通道是用户可以绕过强制访问控制检查进行隐蔽通信的一种机制,标识一个系统中的隐蔽通道是高安全等级系统的开发和测试中必不可少的工作。源码层面使用信息流分析技术搜索隐蔽通道时,现有方法难以确定虚函数调用处的被调用函数。此外,面对大型系统的修改、引用和返回关系表,使用隐蔽流树法搜索隐蔽通道时,会创建大量重复节点致程序占用内存过多而无法给出计算结果。改进现有方法,对提高数据库这样的大型系统的隐蔽通道分析
供水管道是保障日常生产活动正常进行的重要基础设施,在长期使用中受自身寿命或外界破坏性因素的影响会发生破裂造成漏损。及时的泄漏检测对节约水资源、防止二次污染以及可能带来的次生灾害至关重要,目前常用的检测方法通过采集和分析振动信号确定泄漏是否发生。泄漏振动信号十分微弱,采集时受环境噪声影响大,传统的检测方法无法有效地区分环境中存在的非平稳噪声,检测效果不稳定并且依赖检测人员的经验。大量的泄漏检测设备一
纠删码作为一种以条带的形式存储数据的容错技术,广泛应用于当前的大规模存储系统中;相比副本容错技术,纠删码能以更低的存储成本来提供相同容错能力。为了进一步降低存储成本,业界开始研发“大条带纠删码”技术,通过增加条带长度来压缩校验块在每个条带中的比例以节省更多存储空间。然而,现有“直接编码”生成大条带的方式通常因编码速度下降而导致数据生成缓慢。一种可行思路是通过“扩展转换”来生成大条带,即首先将新写数
区块链在金融、能源、医疗、食品等众多关键领域有着极高的应用价值,然而当前区块链的性能严重限制了其在现实场景中的落地。其中最具代表性的以太坊区块链,其区块处理时延严重受限于状态树引入的海量数据库查询。现有的针对性解决方案多会导致显著的负面效应,如内存、网络带宽等硬件成本的急剧上升,因而难以广泛应用。通过深入分析以太坊工作流与负载,观察到状态树单条分支“一热俱热”的访问规律:绝大多数情况下,热点账户及