【摘 要】
：
针对高质量车载应用海量增长的问题,结合车辆自身资源受限以及传统云计算资源使用成本高和时延高的问题,定义一种多云协同辅助车辆计算(multi-cloud collaboratively assisting vehicle computing,MCAVC)范式,提出基于对编码、交叉和变异操作做出改进的遗传算法(genetic algorithm,GA)的节点选择和资源分配联合优化方案,目标是使任务完成时间和使用计算资源的货币成本降到最低。实验结果表明,所提方案在时间和资源成本的加权和方面优于现有方案,改进算法
【基金项目】
：
吉林省科技厅基金项目(20190302103G X),武器装备预先研究基金项目(6141B021322、6141B012826)。
论文部分内容阅读
针对高质量车载应用海量增长的问题,结合车辆自身资源受限以及传统云计算资源使用成本高和时延高的问题,定义一种多云协同辅助车辆计算(multi-cloud collaboratively assisting vehicle computing,MCAVC)范式,提出基于对编码、交叉和变异操作做出改进的遗传算法(genetic algorithm,GA)的节点选择和资源分配联合优化方案,目标是使任务完成时间和使用计算资源的货币成本降到最低。实验结果表明,所提方案在时间和资源成本的加权和方面优于现有方案,改进算法
其他文献
为避免移动边缘计算中任务的重复计算,进一步提升系统性能,缩减应用程序完成时间,提出基于主动缓存的云边端协同卸载策略(CEECO)。在边缘服务器和云端主动缓存计算任务的执行结果,在此基础上基于线性回归模型进行任务预测,得到不同的云边端卸载执行策略。仿真结果表明,该算法相对传统卸载策略总完成时间更少,能够满足不同任务情况下对时延的要求。
针对流的低延迟需求,对全局延迟限制下中间件(middlebox)部署和调度问题进行建模分析。将问题形式化成一个优化问题,拆分为部署问题和流量调度问题,通过逐轮迭代的方式逐步求出整个优化问题的解。对于两个子问题,分别提出KLeveLVoting和Mask edViterbi算法,分别用贪心的方式解决部署和调度问题。为验证算法的有效性,在4种拓扑中进行算法仿真,实现传统方案的两种配置方式:静态配置(Fixed-Fixed)和简单的负载均衡(Fixed-LB)。实验结果表明,Quokka可以降低30%-50%的
为简化时间触发以太网调度表生成的复杂度并增强灵活性,对调度表生成算法进行研究。所提算法支持通讯任务的动态添加,特别是将链路时间资源抽象为“空箱子”,并将时间触发通讯任务抽象为“二维物品”,这种抽象利用无重叠二维装箱问题的特性来满足数据帧无冲突传输,利用二维装箱算法得出调度表。仿真结果表明,当网络中同时存在较多通讯任务时,改进算法可以有效降低链路的时间资源占用率。
为提高跨多个区域大数据存储效率,提出一种基于布隆(Bloom)滤波器(BF)的海量数据存储空间部署策略。采用模糊交叉方法(FFBF),使用模糊交叉操作合并压缩两个Bloom滤波器,实现散列数据在两个Bloom滤波器的共享容纳,减少海量数据存储需求;利用双哈希计算k个哈希函数降低计算成本。实验结果表明,所提算法的误报受压缩操作(即失效数据)的影响很小,数据衰减缓慢,允许流数据在内存中驻留相当长的时间。
通过对血液透析患者施行人造血管移植术的护理,总结临床工作中对这类患者的护理要点,使患者能顺利度过人造血管移植术早期的局部反应,防止感染发生,防止局部血栓形成,保证手
为解决复杂的网络信息无法对用户进行精准推荐的情况,改进传统协同过滤算法,将混沌粒子群算法与协同过滤算法融合使用。在传统粒子群算法中加入混沌扰动并随着迭代调整惯性权重,对用户进行聚类优化。获取目标用户之后,通过判断目标用户属于哪个聚类,在该聚类内部进行协同过滤计算。通过与其它算法之间的对比实验,验证了基于混沌粒子群聚类优化的协同过滤推荐算法相较其它算法具有更低的平均绝对误差和更高的准确率。
目的:分析预见性护理对脑出血重症监护患者相关护理结局的影响.方法:将我院收治的脑出血患者120例,随机分为试验组和对照组各60例,试验组采用预见性护理干预,对照组进行常规
目的:探讨连贯性护理健康教育在子宫肌瘤护理中的应用效果.方法:选取2019年6月-2020年6月于本院收治的146例子宫肌瘤患者,根据护理方式不同随机分为两组.将采取常规护理的72
目的:本文主要针对CT影像与X-线对周围型肺癌临床诊断的准确性及价值进行分析对比.方法:抽取我院2020年1月-2021年1月间收治的且符合本次研究的100例周围型肺癌患者进行研究,
目的:探究原发性心脏肿瘤患者应用彩色多普勒超声心动图的临床诊断效果.方法:随机选取我院2018年1月-2021年5月收录13例经病理证实的原发性心脏肿瘤作为研究样本,所有患者在