检索结果-南通市图书馆

混合无线Mesh网络能量与移动性感知的路由协议研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

混合无线Mesh网络能量与移动性感知的路由协议研究

作者：刘丹妮吉林大学

学位级别：硕士

混合无线Mesh网络(Wireless Mesh Networks,WMN)因其具有更强的网络连接性、更高的网络可靠性和更大的覆盖范围,被认为是无线宽带接入Internet的一个理想解决方案。路由协议为网络中节点通信提供有效选路依据,其好坏直接影响着网络吞吐... 详细信息

混合无线Mesh网络(Wireless Mesh Networks,WMN)因其具有更强的网络连接性、更高的网络可靠性和更大的覆盖范围,被认为是无线宽带接入Internet的一个理想解决方案。路由协议为网络中节点通信提供有效选路依据,其好坏直接影响着网络吞吐量、丢包率等性能。因此,混合WMN路由研究对于提高网络整体性能至关重要。现有的无线Mesh网络路由研究主要集中在基础设施Mesh网络或客户端Mesh网络中,混合WMN路由研究报道相对较少。在混合WMN中,客户端具有移动性和能量受限特性,会影响路径的稳定性和网络的生存时间;客户端的多跳通信导致通信链路多样化,现有的基础设施Mesh路由协议不再适用于混合WMN。因此设计一种综合考虑网络状态及混合WMN节点特性的路由协议对未来宽带无线通信的发展具有重要理论意义和应用价值。本文针对现有的混合WMN路由协议未能综合考虑网络干扰、负载及Mesh客户端的移动性和能量受限特性问题,提出了一种能量与移动性感知(Energy and Mobility Aware,EMA)路由协议。EMA路由协议在AODV协议基础上,采用新提出的能量与移动性感知路由度量MEMA(Metric of Energy and Mobility Aware)作为选路标准。MEMA度量将通过跨层设计方法获取的MAC层信道利用率、路由层路径长度、应用层的节点移动速度和剩余能量作为度量参数,综合考虑了网络干扰、负载,并感知Mesh客户端移动性和能量受限特性对网络状态的影响,从而选择一条吞吐量高而稳定的最优路径。同时针对客户端转发特性带来的大量洪泛开销设计一种限制转发机制优化EMA路由协议,有效的降低了开销并节约能量。NS2仿真结果表明,EMA路由协议在吞吐量、丢包率、平均时延、网络开销和客户端能量消耗等网络性能方面均有明显的改善。在上述研究基础上,本文提出了一种区域能量与移动性感知(Regional Energy and Mobility Aware,REMA)路由协议,解决了现有混合WMN路由协议未考虑Mesh客户端能量受限特性对网络生存时间的影响问题,使所选路径更稳定。REMA协议主要从两方面对MEMA度量进行了改进:(1)采用平均集中度感知通信节点传输范围内的能量消耗强度及其离散程度,为网络业务选择剩余能量充足的区域,实现能量均衡并延长网络生存时间;(2)采用平均离散度重新衡量移动速度对网络的影响,增强路径的稳定性,降低了网络开销。REMA不仅更准确的感知了客户端能量受限和移动性对网络状态的影响,同时均衡网络能量消耗并延长网络生存时间。NS2仿真结果表明,REMA路由协议能够显著提高网络性能,均衡网络能量与负载,实现了延长网络生存时间的目标。本文的工作和研究成果为混合WMN能量与移动性感知路由协议研究提供了参考。

关键词：混合无线Mesh网络路由协议能量感知移动性感知限制机制能量均衡

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用户移动性感知的边缘计算任务调度方法研究

用户移动性感知的边缘计算任务调度方法研究

作者：赵金鑫南京理工大学

学位级别：硕士

在移动边缘计算环境下,终端移动设备可以选择合理时段将计算任务高效卸载至边缘服务器上执行,以应对移动设备计算资源和电池容量有限的问题。任务卸载的调度策略作为保障边缘计算服务质量的一个重要环节,能够在用户移动性感知的场景下... 详细信息

在移动边缘计算环境下,终端移动设备可以选择合理时段将计算任务高效卸载至边缘服务器上执行,以应对移动设备计算资源和电池容量有限的问题。任务卸载的调度策略作为保障边缘计算服务质量的一个重要环节,能够在用户移动性感知的场景下实现系统中有限资源的优化分配,最大程度地降低通信延迟和设备能耗。在考虑终端用户移动性的边缘计算场景下,由于用户位置的移动会导致设备传输速率的变化,因此移动性感知的边缘计算任务调度方法成为一个具有必要性和挑战性的研究方向。本文面向移动用户位置变化的边缘计算场景,以设计移动性感知的任务调度方法为目标展开研究。综合考虑截止时间约束和设备能耗优化,对移动性感知的任务调度问题进行了形式化建模,构建了相应的组合优化问题模型。考虑到调度问题的离散特性,设计了离散型编码方式和运算规则,提出了离散型鲸鱼优化调度算法。为了平衡算法的全局勘探和局部开发能力,从种群初始化、位置更新规则和概率阈值三个方面对算法进行了改进,有效地提高了算法求解移动性感知任务调度问题的性能。此外,考虑回传数据密集型任务的特点,研究了面向回传数据密集型的移动性感知的调度模型及其优化方法。对任务卸载、执行和回传三个阶段的业务流程进行分析,构建了能效优化的调度模型。为了解决数据回传和任务卸载两个过程的优化平衡,本文提出了四种高效的启发式资源分配算法,针对不同类型的移动轨迹,为移动设备与边缘服务的通信选择合理时段。基于提出的资源分配算法,构造了适应度值的计算方法,并使用改进的离散型鲸鱼优化算法求解面向回传数据密集型任务的移动性感知的调度问题。本文设计了完备的仿真实验,验证了离散型鲸鱼优化调度算法的求解能力,评估了面向回传数据密集型任务的资源分配算法的性能。实验结果表明,针对用户移动性感知的任务调度问题,改进的离散型鲸鱼优化调度算法能够在满足截止时间约束的前提下,获得高质量的调度解,有效地减小移动设备能耗。针对面向回传数据密集型任务的移动性感知调度问题,四种资源分配策略在不同的移动路径下,有不同的表现效果,而基于贪婪策略的调度序列整体资源分配算法具有一定的普适性,在综合性能上效果最佳,能够有效降低移动设备的能耗。本文提出的一系列任务调度算法以及资源分配策略,在车联网、工业互联网和智能家居等行业中具有广泛的应用前景,对推进边缘计算平台的落地工作具有重要的理论指导价值。

关键词：边缘计算任务调度移动性感知能效优化离散型鲸鱼优化算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Ad hoc网络管理方案研究

电信科学 2005年第9期21卷 41-46页

作者：文凯陈劼郭伟电子科技大学抗干扰通信技术国家级重点实验室成都610054

Adhoc网络管理相对传统网络的管理而言明显要难得多,主要是因为节点移动造成网络拓扑结构动态变化以及网络应用的环境和范围具有多样性;同时还因为网络维持是通过节点共同参与完成的,但网络节点存在诸多的限制:如有限的电池能量、较小... 详细信息

Adhoc网络管理相对传统网络的管理而言明显要难得多,主要是因为节点移动造成网络拓扑结构动态变化以及网络应用的环境和范围具有多样性;同时还因为网络维持是通过节点共同参与完成的,但网络节点存在诸多的限制:如有限的电池能量、较小的存储和计算能力、变化的链路质量、无线资源匮乏等。本文分析比较了基于位置管理、基于移动性感知以及基于代理和策略驱动的网络管理方案,并指出了管理方案下一步的发展方向。

关键词： Ad hoc网络位置管理移动性感知策略驱动网络管理 hoc 方案研究网络拓扑结构网络节点管理方案传统网络网络应用

边缘计算中拥塞感知的接入网络与副本联合选择策略

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年第4期40卷 1178-1183页

作者：田荣倜胡志刚中南大学计算机学院长沙410083

针对边缘计算中服务副本选择过程中多用户资源争用导致的服务质量降低的难题,提出了一种网络接入点选择和服务副本选择联合优化方法。首先,依据用户所在位置,贪心地为每条用户请求选择合适的网络接入点,以避免大量用户同时选择同一个基... 详细信息

针对边缘计算中服务副本选择过程中多用户资源争用导致的服务质量降低的难题,提出了一种网络接入点选择和服务副本选择联合优化方法。首先,依据用户所在位置,贪心地为每条用户请求选择合适的网络接入点,以避免大量用户同时选择同一个基站而造成网络拥塞。其次,网络中存在多个服务副本,在服务副本选择阶段,依据每个副本的负载以及用户的移动路径,基于改进的免疫遗传算法为每条用户请求选择合适的服务副本,以期提高整个系统的运行效率。仿真实验结果表明,相比于已有方案,该策略能有效提高用户服务质量。

关键词：副本选择接入网络选择移动性感知拥塞感知

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于蚁群系统的移动自组织网络路由算法研究

基于蚁群系统的移动自组织网络路由算法研究

作者：王志晟浙江工业大学

学位级别：硕士

移动自组织网络是由一组配备无线通信装置的移动节点组成的无中心网络,是一种自组织、自愈的多跳网络,具有组网灵活、健壮性强等特点,特别适用于军事战场、自然灾害感知与应急处理等需要临时迅速组网的应用领域。移动自组织网络逐渐成... 详细信息

移动自组织网络是由一组配备无线通信装置的移动节点组成的无中心网络,是一种自组织、自愈的多跳网络,具有组网灵活、健壮性强等特点,特别适用于军事战场、自然灾害感知与应急处理等需要临时迅速组网的应用领域。移动自组织网络逐渐成为无线网络中一个独立研究领域,并越来越受到业界的重视,近年来关于移动自组织网络的研究层出不穷。路由协议是移动自组织网络的关键技术之一,影响到网络的高效运行。移动自组织网络的路由协议按照路径的构建方式可以分为主动式路由、按需式路由以及混合式路由,大多致力于寻找通信节点之间的最短路径。然而在实际路由中,单纯的考虑最短路径往往是不够的。由于节点的移动性,网络拓扑变化频繁而导致路径的稳定性大为降低,现有路由算法需要大量额外的路由开销用于寻找新的路由。针对这个缺点,本文提出了一种基于蚁群算法的移动性感知路由协议ACMAR(Ant Colony based Mobility Aware RoutingProtocol)。在ACMAR的路径构建过程中,蚂蚁不单单考虑当前节点与下一跳节点之间的通信链路的可通信时间,同时也考虑选择下一跳节点到达目的节点所需跳数,以期在寻找到具有较大生存时间的路径的同时降低信源到信宿的路由长度,并减小数据包的延时。此外,ACMAR通过周期性预测节点间的链路失效时间从而判断出具有相似移动性的节点,在路径构建中寻找多条生存时间较长的路径,从而保证路径的稳定性。ACMAR能够感知节点之间因为移动行为而导致的连接断开,并降低这些链路作为数据传输的载体的概率。通过NS2仿真,我们发现:ACMAR在端到端延时、分组投递率、路由开销、路由发现频率等方面均优于AODV(Ad hoc On-Demand Distance Vector),并且ACMAR具有较好的扩展性,在不同的网络负载下均有较好的性能。

关键词：移动自组织网络移动性感知蚁群优化多路径路由

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

星地融合网络中的切换管理研究

星地融合网络中的切换管理研究

作者：徐菁重庆邮电大学

学位级别：硕士

星地融合网络(Satellite-Terrestrial Integrated Networks,STIN)凭借覆盖范围广、通信容量大、传输能力强等优势,有望实现全球覆盖与宽带接入,正成为当前研究热点。然而,STIN的网络异构复杂性与拓扑时变动态性导致了相比于地面更为频... 详细信息

星地融合网络(Satellite-Terrestrial Integrated Networks,STIN)凭借覆盖范围广、通信容量大、传输能力强等优势,有望实现全球覆盖与宽带接入,正成为当前研究热点。然而,STIN的网络异构复杂性与拓扑时变动态性导致了相比于地面更为频繁的链路切换问题,也增加了有效切换方案的设计难度。因此,如何在复杂STIN环境下设计合理有效的切换管理方案是亟待解决的关键问题。本文围绕STIN中的切换问题展开了研究,主要研究内容概括如下:首先,针对STIN中LEO卫星的高动态性导致的用户链路频繁切换进而造成服务质量下降的问题,提出了一种多目标智能切换(Multi-objective Intelligent Handover,MIHO)方案。在对网络动态性连接进行分析的基础之上,将切换决策阶段分为切换触发子阶段和网络选择子阶段。在切换触发子阶段中,考虑链路信干噪比与空闲信道数,提出了基于阈值与滞后余量的双重触发机制以缓解乒乓效应;在网络选择子阶段中,综合考虑用户速率和网络负载率,将终端切换建模为在切换时延约束下最大化系统吞吐量和网络负载均衡度的多目标优化问题以提高用户服务质量,并提出基于改进型离散二进制粒子群的切换算法求解此优化问题。仿真结果表明,所提MIHO方案能在降低切换时延的同时提高系统吞吐量并平衡网络负载。其次,针对用户移动性增强导致的切换次数增加,乒乓效应加剧,用户体验质量下降的问题,提出了一种终端移动性感知的切换(Mobility-Aware Handover,MAHO)方案。首先,构建了由LEO卫星、地面蜂窝小区基站、WLAN接入节点以及不同运动速度的用户终端组成的STIN模型。随后,分别利用高斯-马尔可夫移动模型与空间位置关系模型得到了预测的终端位置与预估的网络服务时长,并从速度大小与速度方向改变频繁度两方面对终端移动性进行了分析。在此基础上,将切换决策阶段分为切换具体时刻决定子阶段和切换目标网络选择子阶段。紧接着,将终端速度进行模糊聚类并结合预估的网络服务时间确定了切换时刻,利用接收信号强度、网络服务时间与切换代价作为切换决策因子确定了目标网络选择。仿真结果表明,所提MAHO方案能够有效降低切换次数与切换失败率并缓解乒乓效应。

关键词：星地融合网络切换管理切换决策多目标优化移动性感知

基于Lyapunov方法的移动边缘计算系统动态任务卸载及资源分配研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Lyapunov方法的移动边缘计算系统动态任务卸载及资源分配研究

作者：宋伟伟南京邮电大学

学位级别：硕士

5G时代的到来和物联网的普及拉开了一个时代的序幕,万物互联、信息随心而至、万物触手可及的愿景成为大家共同的期待。为了克服移动设备在执行计算密集型工作负载方面的局限性,移动边缘计算（Mobile Edge Computing,MEC）能够有效解决I... 详细信息

5G时代的到来和物联网的普及拉开了一个时代的序幕,万物互联、信息随心而至、万物触手可及的愿景成为大家共同的期待。为了克服移动设备在执行计算密集型工作负载方面的局限性,移动边缘计算（Mobile Edge Computing,MEC）能够有效解决Io T设备能量和计算能力不足的问题,成为下一代网络关键技术。近年来,边缘计算系统中任务卸载及资源分配方案受到学者们广泛关注,然而,很多只是着眼于静态卸载方案,并未考虑系统的长期平均性能。为了优化长期平均性能,任务到达的随机性,无线信道的动态变化以及终端的移动性,使得动态卸载及资源分配研究充满了挑战。本文利用Lyapunov随机优化方法,将长期平均问题转换成单时隙确定性问题,在无需知道未来系统信息的情况下,结合动态无线信道、随机任务的到达,以及用户的移动性,分别研究了多服务器多用户MEC系统下的服务成本最小化以及能效最小化问题。首先,研究了多用户多服务器MEC系统中基于服务成本最小化的卸载及资源分配问题。将服务成本定义为功耗和服务迁移成本的加权总和。通过联合优化移动Io T设备（Mobile Io T Devices,MIDs）的CPU周期频率、发射功率和用户关联向量,使所有MID的长期平均和服务成本最小化。并针对该研究目标,提出了一种基于李雅普诺夫（Lyapunov）优化和半定规划（Semi-Definte Program,SDP）的在线移动感知卸载和资源分配算法。仿真结果表明,所提出的方案能够平衡系统服务成本和延迟性能,在系统服务成本方面优于其他卸载基准方法。然后,研究了多用户多服务器MEC的场景下基于能效最小化的卸载及资源分配问题。在综合考虑了用户移动性,动态无线信道状态,随机任务到达的情况下,定义能效性能指标。将优化问题建立为保证任务队列的稳定性,以及峰值发射功率,最大CPU周期频率和最大用户关联数的限制下的能效最小化问题。该设计的优化问题是非凸问题难以求解。为此,本文首先利用Dinkelbach算法将非线性分数规划问题其转换为线性分数规划问题,然后提出基于Lyapunov随机优化和子模方法的在线移动感知节能高效卸载算法,以解决卸载决策及资源分配问题。理论分析证明,提出来的算法可以实现系统能效与服务时延之间的均衡[（46）（1/V）,（46）（V）],仿真结果验证了理论分析,并证明了与几种基准相比,我们提出的算法可以提供更好的能效-延迟性能。

关键词：能量效率移动边缘计算移动性感知任务卸载资源分配李雅普诺夫优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进联邦学习的智能车辆避障算法研究

基于改进联邦学习的智能车辆避障算法研究

作者：胡炳旭电子科技大学

学位级别：硕士

智能网联车(Intelligent Connected Vehicles,ICVs)作为一种新兴的智能交通范式有望成为未来社会万物互联的重要组成部分,而智能车辆避障是ICVs中保障车辆安全驾驶的一个典型场景。利用深度强化学习技术,智能车辆可以基于决策网络拟合... 详细信息

智能网联车(Intelligent Connected Vehicles,ICVs)作为一种新兴的智能交通范式有望成为未来社会万物互联的重要组成部分,而智能车辆避障是ICVs中保障车辆安全驾驶的一个典型场景。利用深度强化学习技术,智能车辆可以基于决策网络拟合最优车辆行为以实现自决策避障,然而单智能车辆在进行决策网络训练时存在数据与算力缺乏问题。联邦学习技术通过模型参数分享与聚合,打破了ICVs中的数据孤岛困境,实现了智能车辆之间的算力协作,但车辆移动性会直接影响联邦学习的模型性能。为此,本论文对移动节点场景下联邦学习的改进与基于联邦学习的智能车辆避障控制展开详细研究,针对车辆移动性对训练速度及表现的影响提出一种改进的联邦学习框架,并利用该框架训练智能车辆的避障控制决策网络以提高决策网络的训练速度和性能。论文的主要研究内容如下:考虑到智能车辆移动性对通信质量与数据相关性的影响,以及复杂模型在聚合中带来的大量时间开销,本论文设计了一种改进的移动感知联邦强化学习(Mobility-aware Federated Reinforcement Learning,MFRL)框架。通过对节点移动性对通信质量和数据相关性影响进行数学建模,提出了移动感知的节点选择算法,该算法根据模型质量、通信质量以及数据相关性等因素选择联邦学习的用户节点,以加速联邦学习的训练速度并提高模型性能。同时,MFRL框架还结合了一种基于知识蒸馏的模型压缩方法,以降低联邦学习的通信开销与模型聚合时延。实验结果表明,MFRL可以有效加速决策网络的训练速度并提升决策网络的性能,且通过压缩得到的微决策网络能够有效降低模型聚合中的时间开销。针对基于规则方法在智能车辆避障问题中存在的规则设计复杂与决策效果不稳定等缺点,本论文设计了一种基于MFRL的智能车辆控制方法。将智能车辆避障问题建模为一个无限状态马尔科夫决策过程,提出了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的智能车辆避障算法,同时基于MFRL实现智能车辆避障决策网络的分布式协同训练。实验结果表明,DDPG模型能够指导智能车辆作出合理的智能车辆避障决策,而MFRL可以进一步提升决策网络的训练速度与模型性能。

关键词：联邦强化学习移动性感知知识蒸馏碰撞避免