0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

邊緣計(jì)算計(jì)算卸載與資源分配聯(lián)合優(yōu)化算法

AI智勝未來 ? 來源:中國指揮與控制學(xué)會(huì) ? 2023-08-18 11:25 ? 次閱讀

來源:中國指揮與控制學(xué)會(huì)

作者:CICC

摘要

針對后勤資產(chǎn)管理系統(tǒng)“本地—云”結(jié)構(gòu)的不足,設(shè)計(jì)了邊緣計(jì)算卸載決策與資源分配服務(wù)聯(lián)合優(yōu)化算法,將原始數(shù)據(jù)解算任務(wù)卸載至邊緣端,提供更優(yōu)卸載決策與資源分配方式。根據(jù)任務(wù)、計(jì)算能力、功率等信息建立時(shí)延能耗系統(tǒng)代價(jià)模型,基于二分法、拉格朗日乘子法、改進(jìn)的粒子群算法完成問題的求解,實(shí)現(xiàn)多用戶多節(jié)點(diǎn)有云參與的聯(lián)合迭代尋優(yōu)。實(shí)驗(yàn)結(jié)果表明,該方法有效降低系統(tǒng)總代價(jià),降低Random算法總代價(jià)的59.34%,Greedy算法的45.74%,STPSO算法的24.07%。

固定資產(chǎn)管理是企事業(yè)單位中一項(xiàng)非常嚴(yán)肅,政策性、原則性、技術(shù)性很強(qiáng)的后勤工作,它將把控資產(chǎn)信息、提高管理效率、降低支出成本作為管理目標(biāo),提升了企業(yè)的資產(chǎn)管理水平[1]。早在2020年,財(cái)政部發(fā)布了《關(guān)于加強(qiáng)行政事業(yè)單位固定資產(chǎn)管理的通知》,來加強(qiáng)事業(yè)單位的后勤資產(chǎn)管理水平。除此之外,我國在軍事后勤建設(shè)的投入逐年增加,后勤工作會(huì)議指出:加快建設(shè)現(xiàn)代軍事物流體系和軍隊(duì)現(xiàn)代資產(chǎn)管理體系[2]。無論軍事還是民用,后勤資產(chǎn)管理建設(shè)都是現(xiàn)階段發(fā)展重點(diǎn),必須探索出一條能夠推進(jìn)后勤資產(chǎn)管理工作向現(xiàn)代化和智能化方向發(fā)展的道路,引領(lǐng)我國后勤資產(chǎn)管理實(shí)力邁向新臺(tái)階。

我國資產(chǎn)管理經(jīng)歷手工記賬、二三維條碼的發(fā)展過程,形成了信息化管理系統(tǒng)。由于資產(chǎn)管理特殊性,現(xiàn)有系統(tǒng)普遍存在以下問題:精細(xì)化程度低、平臺(tái)功能有限;資產(chǎn)辨認(rèn)與定位難、可視化程度低;編碼體系不統(tǒng)一、編碼覆蓋信息不全[3]。因此,結(jié)合傳感定位、網(wǎng)格剖分、實(shí)時(shí)監(jiān)控等技術(shù),建設(shè)統(tǒng)一后勤資產(chǎn)業(yè)務(wù)管理平臺(tái),實(shí)現(xiàn)可以為全天候、全地域環(huán)境提供精細(xì)化保障的“可視化后勤”,是現(xiàn)代后勤建設(shè)的主要目標(biāo)[4]。

專家學(xué)者對相關(guān)技術(shù)開展研究來提升資產(chǎn)管理系統(tǒng)服務(wù)水平。LIN Y完成了基于射頻識(shí)別的倉庫研究與實(shí)踐物流管理系統(tǒng)設(shè)計(jì),針對倉儲(chǔ)管理中手工作業(yè)多、效率低的問題,設(shè)計(jì)了基于射頻識(shí)別(radio frequency identification,RFID)倉庫自動(dòng)化解決方案,滿足大型倉儲(chǔ)企業(yè)需求[5]。WANG T等利用RFID技術(shù)建立基于物聯(lián)網(wǎng)技術(shù)的固定資產(chǎn)管理平臺(tái),實(shí)現(xiàn)合理高效使用和部署固定資產(chǎn),優(yōu)化和簡化管理過程,確保得到可靠和完整的資產(chǎn)數(shù)據(jù)[6]。LEE C等提出了一種基于藍(lán)牙定位用于跟蹤資產(chǎn)的室內(nèi)定位系統(tǒng),實(shí)現(xiàn)一種經(jīng)濟(jì)高效的資產(chǎn)管理解決方案[7]。

應(yīng)用北斗網(wǎng)格剖分技術(shù)解算資產(chǎn)位置構(gòu)建統(tǒng)一定位編碼標(biāo)準(zhǔn),基于RFID系統(tǒng)、北斗定位系統(tǒng)、攝像頭等設(shè)備采集資產(chǎn)數(shù)據(jù),利用軟件及數(shù)據(jù)庫技術(shù)實(shí)現(xiàn)具備實(shí)時(shí)監(jiān)控與資產(chǎn)可視化功能的先進(jìn)資產(chǎn)管理系統(tǒng)。在后勤資產(chǎn)管理系統(tǒng)發(fā)展過程中,傳統(tǒng)系統(tǒng)構(gòu)架直接將企業(yè)管理系統(tǒng)連接至后勤云計(jì)算中心,隨著接入硬件設(shè)備逐漸增多,大量原始數(shù)據(jù)未經(jīng)過解算全部上傳至云端會(huì)占用更多的帶寬和服務(wù)器資源,給系統(tǒng)的運(yùn)維帶來極大資源負(fù)擔(dān),也不利于對資產(chǎn)環(huán)境視頻監(jiān)控畫面進(jìn)行實(shí)時(shí)調(diào)取,在一定程度上影響用戶體驗(yàn),限制了后勤資產(chǎn)管理系統(tǒng)向現(xiàn)代化發(fā)展[8]。

云計(jì)算、聯(lián)邦學(xué)習(xí)、邊緣計(jì)算等分布式計(jì)算技術(shù)被提出用于協(xié)調(diào)共享資源的使用,邊緣計(jì)算具有實(shí)時(shí)性高、計(jì)算能力強(qiáng)、帶寬高、安全性高等優(yōu)點(diǎn),在眾多通信新技術(shù)中脫穎而出[9]。在系統(tǒng)構(gòu)架中引入邊緣層,能在數(shù)據(jù)源頭實(shí)現(xiàn)定位、RFID標(biāo)簽等原始數(shù)據(jù)的及時(shí)處理與響應(yīng),向云端直接傳輸解碼結(jié)果減少數(shù)據(jù)傳輸消耗。同時(shí)邊緣計(jì)算及多碼流處理技術(shù)的結(jié)合運(yùn)用,也為實(shí)時(shí)視頻監(jiān)控需求提供了解決方案,能夠提高視頻圖像數(shù)據(jù)價(jià)值,降低帶寬與時(shí)延,提高處理效率。

邊緣計(jì)算技術(shù)核心是基于分布式邊緣服務(wù)器,在數(shù)據(jù)源頭提供具有網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)等功能的服務(wù)器節(jié)點(diǎn),完成被卸載的計(jì)算任務(wù),經(jīng)過資源分配等步驟將結(jié)果返回設(shè)備端[10]。為了提升技術(shù)服務(wù)性能,本文針對邊緣計(jì)算服務(wù)模型中資源分配、計(jì)算卸載兩項(xiàng)業(yè)務(wù)開展研究,優(yōu)化調(diào)度模型、尋找更佳的控制策略來提供最優(yōu)服務(wù)。

相關(guān)專家也對邊緣計(jì)算計(jì)算卸載以及資源分配等問題開展相關(guān)研究,SONG H K等研究了無線邊緣網(wǎng)絡(luò)中邊緣計(jì)算服務(wù)器部署和用戶卸載關(guān)聯(lián)的網(wǎng)絡(luò),設(shè)計(jì)了一種改進(jìn)遺傳算法來解決該問題,有效減少平均服務(wù)延遲[11]。TANG C G等提出了一個(gè)通用的支持緩存的車載邊緣計(jì)算方案,同時(shí)考慮任務(wù)緩存帶來的響應(yīng)延遲和能耗,同其他算法相比具有優(yōu)勢性[12]。XU F等提出了兩階段計(jì)算卸載算法,能夠有效降低時(shí)延[13]。黃冬晴等提出一種面向多用戶的聯(lián)合計(jì)算卸載和資源分配策略,利用拉格朗日乘子法獲得最佳計(jì)算資源分配,基于貪心算法獲得最佳卸載決策,不斷迭代降低系統(tǒng)成本[14]。

目前許多專家對資產(chǎn)管理系統(tǒng)進(jìn)行優(yōu)化,開展邊緣計(jì)算技術(shù)業(yè)務(wù)研究,但大多針對單一目標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)。也有不少專家對單一業(yè)務(wù)進(jìn)行多目標(biāo)優(yōu)化,例如針對卸載決策或資源分配問題進(jìn)行時(shí)延能耗多目標(biāo)優(yōu)化。隨著研究不斷深入,逐漸向多業(yè)務(wù)聯(lián)合優(yōu)化方向發(fā)展,也提出了計(jì)算卸載和資源分配聯(lián)合優(yōu)化的概念,通過不斷迭代兩個(gè)業(yè)務(wù)問題的求解獲得更優(yōu)解。由于聯(lián)合優(yōu)化計(jì)算過程復(fù)雜,現(xiàn)有論文一般采用復(fù)雜度較低的算法來求解卸載決策計(jì)算問題,例如文獻(xiàn)[14]采用貪心算法計(jì)算。因此,本文研究計(jì)算卸載和資源分配問題,基于數(shù)學(xué)推導(dǎo)解決計(jì)算資源分配問題,基于進(jìn)化類算法計(jì)算卸載決策,迭代計(jì)算聯(lián)合優(yōu)化時(shí)延和能耗兩個(gè)目標(biāo),得到最優(yōu)控制策略。

e0a26318-3d01-11ee-ac96-dac502259ad0.png

e0add5c2-3d01-11ee-ac96-dac502259ad0.png

e10d7e78-3d01-11ee-ac96-dac502259ad0.png

e1768562-3d01-11ee-ac96-dac502259ad0.png

e1cf59d0-3d01-11ee-ac96-dac502259ad0.png

e1ff42f8-3d01-11ee-ac96-dac502259ad0.png

e20a526a-3d01-11ee-ac96-dac502259ad0.png

e24c486e-3d01-11ee-ac96-dac502259ad0.png

e2c7b12a-3d01-11ee-ac96-dac502259ad0.png

e350e5e4-3d01-11ee-ac96-dac502259ad0.png

e394dee8-3d01-11ee-ac96-dac502259ad0.png

e3a3ebfe-3d01-11ee-ac96-dac502259ad0.png

e401c616-3d01-11ee-ac96-dac502259ad0.png

e46c14e4-3d01-11ee-ac96-dac502259ad0.png

審核編輯:湯梓紅

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • RFID
    +關(guān)注

    關(guān)注

    386

    文章

    6005

    瀏覽量

    236606
  • 云計(jì)算
    +關(guān)注

    關(guān)注

    38

    文章

    7612

    瀏覽量

    136729
  • 算法
    +關(guān)注

    關(guān)注

    23

    文章

    4551

    瀏覽量

    92016
  • 邊緣計(jì)算
    +關(guān)注

    關(guān)注

    22

    文章

    2986

    瀏覽量

    47794

原文標(biāo)題:邊緣計(jì)算計(jì)算卸載與資源分配聯(lián)合優(yōu)化算法

文章出處:【微信號(hào):AI智勝未來,微信公眾號(hào):AI智勝未來】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    小蜂窩云中功率與負(fù)載優(yōu)化分配算法

    移動(dòng)終端資源有限及本地服務(wù)基站資源不足會(huì)引起移動(dòng)終端體驗(yàn)質(zhì)量降低、卸載任務(wù)時(shí)延長的問題。為此,提出一種新的聯(lián)合優(yōu)化分配
    發(fā)表于 01-26 14:59 ?0次下載
    小蜂窩云中功率與負(fù)載<b class='flag-5'>優(yōu)化分配</b><b class='flag-5'>算法</b>

    如何在增強(qiáng)現(xiàn)實(shí)場景下進(jìn)行移動(dòng)邊緣計(jì)算資源分配優(yōu)化方法說明

    ,建立以最小化系統(tǒng)消耗總能量為優(yōu)化目標(biāo)的約束條件;最后,在保障延遲和功耗滿足約束的條件下,建立了基于凸優(yōu)化的移動(dòng)邊緣計(jì)算(MEC)資源
    發(fā)表于 03-27 13:39 ?19次下載
    如何在增強(qiáng)現(xiàn)實(shí)場景下進(jìn)行移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b><b class='flag-5'>資源</b><b class='flag-5'>分配</b><b class='flag-5'>優(yōu)化</b>方法說明

    增強(qiáng)現(xiàn)實(shí)場景下移動(dòng)邊緣計(jì)算資源分配優(yōu)化方法詳細(xì)說明

    ,建立以最小化系統(tǒng)消耗總能量為優(yōu)化目標(biāo)的約束條件;最后,在保障延遲和功耗滿足約束的條件下,建立了基于凸優(yōu)化的移動(dòng)邊緣計(jì)算(MEC資源
    發(fā)表于 07-21 17:31 ?6次下載
    增強(qiáng)現(xiàn)實(shí)場景下移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b><b class='flag-5'>資源</b><b class='flag-5'>分配</b><b class='flag-5'>優(yōu)化</b>方法詳細(xì)說明

    移動(dòng)邊緣計(jì)算資源分配策略及其實(shí)驗(yàn)

      為在移動(dòng)邊緣計(jì)算服務(wù)器計(jì)算資源有限的情況下最小化系統(tǒng)總成本,提出一種多用戶卸載決策與資源
    發(fā)表于 03-11 10:20 ?9次下載
    移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>的<b class='flag-5'>資源</b><b class='flag-5'>分配</b>策略及其實(shí)驗(yàn)

    一種基于用戶體驗(yàn)的計(jì)算卸載方案

    時(shí)延和能耗增益率的加權(quán)和表示用戶效用,同時(shí)考慮用戶設(shè)備的續(xù)航能力,構(gòu)造基于用戶需求的自適應(yīng)權(quán)重因子。在此基礎(chǔ)上,將原優(yōu)化問題拆分為資源分配卸載決策兩個(gè)子問題分別進(jìn)行求解,得到最終的
    發(fā)表于 03-19 15:49 ?17次下載
    一種基于用戶體驗(yàn)的<b class='flag-5'>計(jì)算</b><b class='flag-5'>卸載</b>方案

    一種基于單時(shí)隙的資源分配算法

    移動(dòng)邊緣計(jì)算(MEC)通過將計(jì)算和存儲(chǔ)資源部署在無線網(wǎng)絡(luò)邊緣,使得用戶終端可將計(jì)算任務(wù)
    發(fā)表于 03-19 17:15 ?32次下載
    一種基于單時(shí)隙的<b class='flag-5'>資源</b><b class='flag-5'>分配</b><b class='flag-5'>算法</b>

    一種云輔助移動(dòng)邊緣計(jì)算計(jì)算卸載策略

    移動(dòng)邊緣計(jì)算通過將計(jì)算資源遷移至網(wǎng)絡(luò)邊緣來降低時(shí)延并縮減能耗,相比云計(jì)算,
    發(fā)表于 03-24 17:16 ?23次下載
    一種云輔助移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>的<b class='flag-5'>計(jì)算</b><b class='flag-5'>卸載</b>策略

    一種基于博弈論的移動(dòng)邊緣計(jì)算功率分配算法

    進(jìn)一步降低延遲和能量消耗,針對移動(dòng)邊緣計(jì)算卸載系統(tǒng),提出基于博弈論的功率分配算法。在服務(wù)器計(jì)算
    發(fā)表于 04-02 10:19 ?22次下載
    一種基于博弈論的移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>功率<b class='flag-5'>分配</b><b class='flag-5'>算法</b>

    基于遺傳算法的多邊緣與云端協(xié)同計(jì)算卸載模型

    collaborativeComputing Offloading Model, GAMCCOM)。該計(jì)算卸載方案聯(lián)合本地邊緣和異地邊緣進(jìn)
    發(fā)表于 04-19 14:55 ?9次下載
    基于遺傳<b class='flag-5'>算法</b>的多<b class='flag-5'>邊緣</b>與云端協(xié)同<b class='flag-5'>計(jì)算</b><b class='flag-5'>卸載</b>模型

    車載邊緣計(jì)算服務(wù)器聯(lián)合計(jì)算任務(wù)卸載方案

    的移動(dòng)性和區(qū)域部署的差異性易導(dǎo)致VEC服務(wù)器負(fù)載不均衡,造成了計(jì)算卸載效率和資源利用率降低。為解決該問題,提岀一種計(jì)算卸載和資源
    發(fā)表于 04-19 14:57 ?12次下載
    車載<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>服務(wù)器<b class='flag-5'>聯(lián)合計(jì)算</b>任務(wù)<b class='flag-5'>卸載</b>方案

    面向優(yōu)先級(jí)任務(wù)的移動(dòng)邊緣資源分配方法

    目前移動(dòng)邊緣計(jì)算中的資源分配方法,多數(shù)按照任務(wù)請求計(jì)算卸載的時(shí)間順序
    發(fā)表于 05-12 11:38 ?4次下載

    車輛邊緣計(jì)算的任務(wù)卸載研究綜述

    計(jì)算密集和延遲敏感型車輛應(yīng)用的岀現(xiàn)對車輛設(shè)備有限的計(jì)算能力提出了嚴(yán)峻的挑戰(zhàn),將任務(wù)卸載到傳統(tǒng)的云平臺(tái)會(huì)有較大的傳輸延遲,而移動(dòng)邊緣計(jì)算專注于
    發(fā)表于 06-01 15:38 ?16次下載

    資源受限的移動(dòng)邊緣計(jì)算系統(tǒng)中計(jì)算卸載問題研究

    摘要:本文針對邊緣計(jì)算卸載問題,提出了兩個(gè)創(chuàng)新點(diǎn),并進(jìn)行建模,在模擬實(shí)驗(yàn)中都得到了最好的結(jié)果。一是在用戶-MEC-云端架構(gòu)中,設(shè)計(jì)了對計(jì) 算結(jié)果緩存,流行的計(jì)算結(jié)果進(jìn)行緩存,再次請求
    發(fā)表于 05-18 15:51 ?0次下載
    <b class='flag-5'>資源</b>受限的移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>系統(tǒng)中<b class='flag-5'>計(jì)算</b><b class='flag-5'>卸載</b>問題研究

    移動(dòng)邊緣計(jì)算MEC學(xué)習(xí)筆記

    移動(dòng)邊緣計(jì)算(MEC,mobileedgecomputing)中計(jì)算卸載技術(shù)即 將移動(dòng)終端的計(jì)算任務(wù)卸載
    發(fā)表于 05-18 16:39 ?0次下載
    移動(dòng)<b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>MEC學(xué)習(xí)筆記

    邊緣計(jì)算那些事兒--邊緣卸載技術(shù)

    前面筆者有對邊緣計(jì)算系統(tǒng)做過一次綜述,從本文開始,筆者將重點(diǎn)解讀邊緣計(jì)算技術(shù)棧,首先介紹的是邊緣計(jì)算
    發(fā)表于 05-18 16:40 ?0次下載
    <b class='flag-5'>邊緣</b><b class='flag-5'>計(jì)算</b>那些事兒--<b class='flag-5'>邊緣</b><b class='flag-5'>卸載</b>技術(shù)