【摘 要】
：
为改善节点因能量耗尽导致的边缘网络不稳定问题,根据源迁移节点任务的算力、能量等需求特征,和迁移节点的剩余能量、计算能力等特征,将任务迁移至合适的节点执行.提出一种基于能耗约束的计算混合迁移策略(HOS-NE),采用上行与平行结合的迁移模式,将迁移能耗最小化问题转化为剩余电量最大化问题.利用粒子群优化算法和模拟退火算法求解优化HOS-NE,提高网络的稳定性、吞吐量,实现负载均衡.实验结果表明,基于智能算法优化的迁移策略与随机迁移算法、贪心算法相比,其网络吞吐量、剩余能量分别提高了16.7％,28.6％,丢包
【机 构】
：
江西理工大学理学院,江西赣州341000
论文部分内容阅读
为改善节点因能量耗尽导致的边缘网络不稳定问题,根据源迁移节点任务的算力、能量等需求特征,和迁移节点的剩余能量、计算能力等特征,将任务迁移至合适的节点执行.提出一种基于能耗约束的计算混合迁移策略(HOS-NE),采用上行与平行结合的迁移模式,将迁移能耗最小化问题转化为剩余电量最大化问题.利用粒子群优化算法和模拟退火算法求解优化HOS-NE,提高网络的稳定性、吞吐量,实现负载均衡.实验结果表明,基于智能算法优化的迁移策略与随机迁移算法、贪心算法相比,其网络吞吐量、剩余能量分别提高了16.7％,28.6％,丢包数降低至5％～10％.
其他文献
基于贪心算法建立可靠的智能导检路径优化模型,依据预测多个检查项目的体检顺序及时间节点信息,优化健康体检时间.将2021年3月份江苏省中医院体检中心的体检数据作为初始数据样本,经过数据清洗最终选择29126条数据作为研究对象,利用最小二乘法拟合数据构建体检客户到达率与时间的函数关系,将误差平方和(SSE)及R-square作为评价指标,建立以服务时间、排队时间、路程时间三者总时间的智能导检模型.研究结果表明,体检客户到达率SSE值分别为5.115、0.7878、4.541等,R-square值分别为0.97
当今轨道交通迅猛发展,安全高效的列车运转是其重要的前提条件.全方位智能技术的出现,为轨道交通运行中原有的各种人工检测方法提供了技术支撑.提出一种利用道岔边缘特征提取和参数空间精确计算的实时机器视觉检测方法,针对轨道交通中的道岔转换过程中道岔的密贴程度,采用机器视觉技术进行检测.该方法主要包括4个方面:通过预处理抑制图像中目标对象的周围环境以突出轨道特征;在边缘检测中,应用Canny算子对轨道道岔图像进行检测;通过改进Hough变换进行道岔边缘提取,并进行边缘拟合处理;将参数空间中的间距进行转换,完成道岔密
文本情感分析通过提取文本特征,根据文本中的情感倾向进行分类.研究表明,递归神经网络和卷积神经网络模型具有良好的性能.为提高文本情感分类性能,提出一种融合注意力和比较增强学习机制的混合网络情感分析模型,用比较增强学习机制进行分类来替代大量的复杂计算.该模型通过嵌入层向量化后,分别用CNN和双向门控循环单元提取不同特点的文本特征,把两者提取得到的特征进行融合,并引入注意力机制判断不同词对句子含义的重要程度,再使用比较增强学习机制与样本向量进行比较后对特征向量进行评分.混合网络情感分析模型在两个情感分析数据集上
基于卷积神经网络(CNNs)的区域建议生成方法(PRN)是通过实例级注释进行训练所得,也是当前全监督目标检测(FSOD)的重要组成部分.由于实例级注释耗时耗力,而图像级注释相比之下更容易收集,因此仅使用图像级注释的弱监督目标检测(WSOD)引起了众多研究者的关注.当前,WSOD依赖于诸如选择性搜索之类标准的区域建议生成方法,这些方法容易生成大量有噪的建议框,导致其存在无法拟合真实的目标对象.鉴于此,基于卷积特征多层融合以及分割引导策略获取高质量建议框,具体而言,利用卷积网络深层信息进行多层融合,以及边缘信
针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法.首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵,然后利用2DPCA对特征矩阵进行降维处理,再将得到的主成分特征向量组合成新的特征矩阵作为CNN的输入,最后通过CNN的自适应特征学习创建说话人模型.基于Alexnet的CNN模型实验结果表明,采用该说话人识别方法使运行时间减少了57％,同时识别率也有所提高.
中医古籍文本分词是中医古籍结构化表示及深度挖掘的基础性工作.有监督的中医古籍文本分词简易可行,但存在耗费大量人力物力、专业门槛高、主观性强、扩展性不好等问题.为此改进TextRank算法,提出ConnectRank算法,根据字符连通度实现中医古籍无监督分词.基于《伤寒杂病论》《黄帝内经》《难经》等700篇中医古籍文献语料设计实验.实验结果表明,该模型在中医古籍文本分词中较其他无监督分词模型有更好的分词效果,比传统的无监督分词方法提高了11.2％.
光学乐谱识别是音乐智能化发展的关键部分,在音乐教学、创作等领域有重要应用价值.针对现有吉他谱识别方法步骤繁琐、识别精度低等问题,提出一种基于深度学习的吉他谱识别方法.首先通过分析吉他谱的特点,将吉他谱水平分割为品格音符图像、减时线图像、休止符图像和增时线图像;然后将品格音符图像依次与减时线图像叠加,输入到第1个CRNN模型中进行识别,将减时线图像、休止符图像和增时线图像叠加,输入到第2个CRNN模型中进行识别;最后将识别出的各个符号全局关联,获取完整的乐谱语义.实验结果表明,基于深度学习的吉他谱识别方法可
对多个相互冲突的目标同时优化称作多目标优化问题,为解决多目标问题,多目标进化算法应运而生.在进化算法迭代过程中,算法使用恒定不变的交叉因子和变异因子,这显然不符合种群迭代进化特征,所以需要根据种群初始和种群后期解的收敛情况来定向调整种群进化方向.同时,在采用边界与交叉的聚合算法时,θ支配的聚类算法只参考了解到权重向量的垂直距离,权重向量的投影点到理想点的解的直线距离没有考虑,直接影响了解在Pareto前沿上的收敛结果.为此,利用改进后的自适应种群生成策略,动态改变交叉概率和变异概率,根据种群当前的迭代情况
针对欠驱动水质检测船在外界风、浪扰动以及模型系统存在不确定性参数的情况下,存在直线路径跟踪航向偏离及航向偏差修正速度慢的问题,提出采用有限时间控制理论设计航向控制系统.首先建立欠驱动水质检测船航向控制的数学模型,将复杂非线性的航向控制简化为一个二阶系统,简化了设计复杂度;然后基于齐次性理论设计有限时间航向控制律,通过分数幂提高系统的收敛速度与鲁棒性,结合扩展状态观测器对误差扰动进行估计,提高了控制性能.仿真结果表明,采用有限时间航向控制的水质检测船可将航向角误差控制在0.1°,有效增强了水质检测船的抗干扰
混合关键级系统可调度性分析通常基于最坏情况执行时间,导致系统资源的过度预置和低关键级模式下的分析过于苛刻.为解决资源过度预置的问题,简化低关键级模式下的可调度性,针对单核处理器上EDF调度的混合关键级零星任务集,提出随机需求约束函数模型.分析了混合关键级系统的概率性资源需求,得到相应的可调度性条件,并在尽可能增加低关键级任务预算的同时设计出系统可调度性测试算法.实验结果表明,与之前的可调度接受率相比,该方法提高了32％,在降低pDBF模型算法复杂度基础上仍使可调度性得到显著改善.