检索结果-内蒙古大学图书馆

作者：周成成北京科技大学

学位级别：博士

分散计算是新一代泛在感知与智能计算的高效移动组织架构,对于工业生产制造和国防军事建设具有重要的实践驱动意义。着眼大量分散用户的突发性和竞争性任务需求,分散计算以协作、共享等方式,充分利用基础设备的多样化位置属性、灵活闲... 详细信息

分散计算是新一代泛在感知与智能计算的高效移动组织架构,对于工业生产制造和国防军事建设具有重要的实践驱动意义。着眼大量分散用户的突发性和竞争性任务需求,分散计算以协作、共享等方式,充分利用基础设备的多样化位置属性、灵活闲置的计算资源供给优势,提高系统计算任务执行效率和服务保障能力水平。分散计算方法体系中,资源发现与分配是最为关键、最具难度的环节之一,直接影响系统计算服务水平与可持续运行效果。同时,其相关研究领域还存在一定的基础理论不足与方法缺陷。首先,当前计算资源发现研究中网络架构解析模型单一,难以适应较高计算效率与复杂运行模式的协同决策需求。现有计算资源分配研究成果中,任务需求与资源供给尚未形成系统博弈优化层面的协作统一,节点间难以实现供需信息实时交互和资源互补调配。此外,分散计算资源分配往往面对节点故障退化状态影响,弹性机制与动态优化等内在机理问题亟待解决。鉴于此,本文面向分散计算关键技术创新需求,聚焦既有研究实践空白缺陷,以分散计算环境下供需信息感知的资源发现与分配优化为目标,实施解析建模、算法设计、仿真验证和优化分析等研究工作,旨在实现体系化的理论提升与方法进步,具体研究内容与创新性成果如下:(1)面向动态迁移网络拓扑的分散计算资源发现优化模型及算法研究。针对空间结构动态变化的计算资源网络,建立了分散计算资源发现双层规划模型,综合考虑了时间、能耗和信息检索准确性等驱动因素,研究了资源发现网络结构设计问题和运行模式选择问题。同时,基于复杂网络理论,分析了分散计算资源网络的动态迁移特性,证明了网络迁移的连通延续性,确保了多节点数据传输交换和多类资源协同检索的可行性。根据所建立模型的特点,提出了基于对称信任域的启发式算法,实施了仿真计算与相应场景分析,验证了代理与自主两种资源发现模式的性能差异,以及资源发现最优解的较高精度(≥95%)等优势。(2)面向单节点需求-供给场景的分散计算资源分配优化模型及算法研究。针对单节点系统场景,建立了基于自适应调整机制的资源分配优化模型,为节点外部任务需求和内部资源供给设计协调关联规则,通过调节任务的“分流-引流”实现了单节点系统资源的合理调配。分析了单节点资源分配的动态稳定性,论证了自适应调整机制和系统演化稳定策略的条件。考虑资源利用率最优的单节点资源分配系统运行目标,提出了系统仿真与有限检测集算法相结合的参数优化框架,进而实施了两阶段仿真计算与相应场景分析,并验证了双层模型相较于单层模型的平稳调整优势,以及所设计启发式算法获取初始解的较高效率(CPU使用率<20%)等指标。(3)面向多节点需求-供给场景的分散计算资源分配优化模型及算法研究。针对资源非均衡分布供给下的多节点系统,建立了基于Stackelberg动态博弈优化的多节点资源分配模型,分析了节点间任务需求与资源供给之间的动态演化规律,构建了计算节点间资源高效调配运转机制。在动态博弈优化架构中,引入了基于开环和反馈形式的资源分配系统调整策略,论证了两类调整形式下最优解的存在性与唯一性,提出了对应的资源分配优化算法。通过仿真计算实施与问题场景分析,验证了多节点网络系统在博弈过程下的最优匹配和供需均衡状态,其中多节点系统在10%仿真周期内即可达到最佳资源分配效果。(4)面向弹性机制的分散计算资源动态分配优化模型及算法研究。针对故障退化状态下的分散计算资源网络,建立了弹性分散计算资源动态分配优化模型,考虑了有限备用资源的预置部署和应急计划资源的循环供应,实现了故障节点滞积任务的快速响应和有效转移。同时,分析了分散计算资源网络的局部脆弱单元,设计了弹性机制的部署原则。着眼持续优化弹性资源的动态分配方案,提出了动态系统仿真方法嵌套诱导式人工鱼群算法的优化求解流程,实施了仿真计算与相应场景分析,验证了分散计算系统在局部资源失效条件下的服务可靠性。此外,本文所提出的资源分配方法可节约硬件资源幅度≥13%,改善应急持续时间幅度≥16%,提升算法效率幅度≥21%。

关键词：分散计算资源发现资源分配优化算法弹性机制

来源：评论

学校读者我要写书评

暂无评论

分散计算：技术、应用与挑战

引用

计算机科学与探索 2020年第5期14卷 721-730页

作者：吴虹佳刘芳刘斌蔡志平国防科技大学计算机学院中山大学数据科学与计算机学院中国科学院电子学研究所

在军事作战等对时延敏感的应用场景中,云计算无法满足用户的实时需求,因此分散计算应运而生。它利用智能手机、平板电脑、联网汽车和物联网终端等全球计算资源提供服务,并将云数据中心视为通用计算节点,彻底消除中心化,实现计算资源的... 详细信息

在军事作战等对时延敏感的应用场景中,云计算无法满足用户的实时需求,因此分散计算应运而生。它利用智能手机、平板电脑、联网汽车和物联网终端等全球计算资源提供服务,并将云数据中心视为通用计算节点,彻底消除中心化,实现计算资源的分散化。分散计算将所有具有计算能力的设备连接起来,形成一个网络化的有机体,每个计算节点以协作和共享的方式为用户提供服务。与雾计算和边缘计算的本地化处理不同,该范式利用了网络中的空闲计算资源,绕过了局部计算能力的限制,得到了广泛的关注。首先,介绍了分散计算的研究背景,并给出了分散计算的定义;其次,详细介绍了分散计算的三种核心技术;随后,通过一些具体的应用场景实例化分散计算的概念,更好地分析了分散计算在万物互联时代的优势;最后,阐述了未来分散计算的研究方向以及面临的挑战。

关键词：分散计算云计算雾计算边缘计算万物互联

来源：评论

学校读者我要写书评

暂无评论

一种新型的空间分散计算模拟验证系统

引用

空间电子技术 2022年第3期19卷 29-35页

作者：王厚天陈清霞刘乃金中国空间技术研究院钱学森空间技术实验室北京100094

人类生产力发展已经进入算力时期,计算能力将成为这个时期的新型生产力。未来大量分散化的算力、存储等资源分布在空间信息网络中,需要对其进行整合拉通,为业务提供便捷的按需使用。首先从下一代空间科学任务出发,阐述了未来空间分散计... 详细信息

人类生产力发展已经进入算力时期,计算能力将成为这个时期的新型生产力。未来大量分散化的算力、存储等资源分布在空间信息网络中,需要对其进行整合拉通,为业务提供便捷的按需使用。首先从下一代空间科学任务出发,阐述了未来空间分散计算实施的意义和价值,同时从空间信息网络和地面信息网络两个维度对国内外典型的分散计算项目和框架进行了系统调研。在此基础上,从云环境构建、云-边中间件以及边环境构建3个方面详细阐述了空间分散计算模拟验证系统的构建思路与方法,并进行了试验验证。验证结果表明,该系统能够实现虚拟化计算单元的动态部署与更新,且能够实现高效的舰船目标检测。相比于单星检测而言,系统通过多星联合的方式能够将检测效率提升4.5倍。

关键词：分散计算空间信息网络模拟验证系统

来源：评论

学校读者我要写书评

暂无评论

基于业务流识别的卫星集群分散计算构建和实现方法

基于业务流识别的卫星集群分散计算构建和实现方法

引用

作者：黄松西安电子科技大学

学位级别：硕士

随着移动互联网技术的不断发展,万物互连的期望在不断推进,人们对计算服务的需求范围不断扩展,从传统的城市场景向外逐步扩展。但是某些业务需求是当前地面移动通信系统难以实现的,比如海洋、森林、地下管道和边境线等应用场景。为了满... 详细信息

随着移动互联网技术的不断发展,万物互连的期望在不断推进,人们对计算服务的需求范围不断扩展,从传统的城市场景向外逐步扩展。但是某些业务需求是当前地面移动通信系统难以实现的,比如海洋、森林、地下管道和边境线等应用场景。为了满足用户不断增长的业务需求,为用户在全球任意时间任意地点都能提供实时、无缝、高效的计算服务,卫星通信作为一种可以做到全球范围覆盖的通信技术,近年来得到了极大的关注。但是,传统的卫星通信场景中,卫星仅用于数据透明转发,因此用户的计算业务需要经历:上传卫星、转发地面云中心、结果回传卫星和卫星将结果发回用户等多个步骤,极大的增加了用户业务的服务时延,难以满足用户的业务需求。为解决上述问题,人们提出了“太空计算机”这一概念,考虑使用卫星作为计算节点为地面用户提供实时计算服务。但是,由于太空环境因素的影响,单个卫星的计算能力有限,因此人们提出了天基网络的概念,考虑将多颗卫星联合起来实现在轨协同计算。同时随着星间链路质量的不断发展和卫星计算能力的不断提升,用户对卫星场景的业务需求也不断增加,业务种类逐渐变得复杂起来,不同的业务对网络的需求也不尽相同,这对天基网络对网络资源和计算资源的调度能力提出了挑战。本文从理论和实际角度出发对空间卫星集群计算展开研究,设计并实现了基于业务流识别的卫星集群分散计算仿真平台。本文研究内容如下:(1)总结了目前移动互联网和空间信息业务存在的不足,依次介绍了业务流识别、分散计算和容器虚拟化三个方面的国内外研究现状,并阐述了相关技术的理论和技术基础,为后续基于业务流识别的卫星集群分散计算仿真平台架构的设计和实现奠定基础。(2)针对天基卫星星座的弱连接、高动态与空天计算大规模、低时延要求之间的矛盾,提出一种稳态化方法,根据星间链路和星地链路判断天基网络节点的连通性;其次,根据卫星拓扑进行时隙划分,将在相邻时隙同一卫星的不同副本节点之间建立虚拟连接,将稳态图按时间顺序串联起来共同构成稳态的时间扩展图,构成一张包含完整网络信息的高维稳态图,为卫星集群空间业务分散计算提供实现基础。(3)针对空间业务难以预测和区分,资源分配不灵活的问题,提出一种基于灰度图的人工智能业务识别方法,对空间业务类型进行智能化分类识别,构建业务数据到业务类型的映射,完成天基卫星网络业务类型识别,为差异化空间网络服务质量保证提供基础。(4)设计了一种基于业务流识别的卫星集群分散计算仿真平台架构,基于微服务思想,将架构分为四部分,分别为控制中心、虚拟卫星管理平台、业务承载平台以及用户。详细阐述了控制中心、虚拟卫星管理平台、业务承载平台以及用户四部分模块的设计思想和实现方案,实现了联合仿真卫星集群节点进行空间业务计算的能力。最后,搭建半实物仿真平台,测试验证基于业务流识别的卫星集群分散计算仿真平台的可行性、时延性能优势以及业务识别准确率。

关键词：卫星业务流识别分散计算天基网络容器虚拟化

来源：评论

学校读者我要写书评

暂无评论

分散计算中负载均衡策略的研究与实现

分散计算中负载均衡策略的研究与实现

引用

作者：王一鸣西安电子科技大学

学位级别：硕士

随着物联网(Internet of Things,Io T)技术的不断发展,应用于军事领域的战场物联网(Internet of Battlefield Things,Io BT)技术迅速崛起。作为传统战场作战方式向信息化战场联合作战方式转型的核心技术,Io BT得到了国防界和学术界的广... 详细信息

随着物联网(Internet of Things,Io T)技术的不断发展,应用于军事领域的战场物联网(Internet of Battlefield Things,Io BT)技术迅速崛起。作为传统战场作战方式向信息化战场联合作战方式转型的核心技术,Io BT得到了国防界和学术界的广泛关注与研究。现有的Io BT架构中,云计算凭借其强大的计算能力成为Io BT海量信息处理的关键技术,以确保战场信息的实时处理以及作战行动的高效执行。然而,战场环境中无处不在且相互连接的智能设备产生的数据呈指数级增长,且战场实时数据共享和作战决策在很大程度上依赖于数据处理的实时性。但是,由于云服务器往往被部署在距离Io BT用户较远的数据中心,战场数据在网络传输过程中将产生较高的时延,难以满足Io BT中对数据处理实时性的作战需求。为解决云计算应用于Io BT时存在的上述弊端,本文对分散计算范式的相关理论展开研究,重点分析了分散计算的相关特性,并基于分散计算网络架构,利用靠近用户且分散在全域的网络设备上的计算资源协同执行业务计算,以协作计算的方式为Io BT用户提供实时、敏捷、可靠的信息处理服务。同时,本文深入研究了分散计算中基于广义扩散模型的负载均衡策略,在此基础上,设计及实现基于广义扩散模型的负载均衡算法的分散计算仿真平台,分别从理论研究与工程实现两个方面对分散计算范式的可行性进行探索。主要研究内容如下:在高度信息化的战场环境中,针对云计算应用于海量战场信息交互场景时存在的业务响应时延高的弊端,利用战场上的智能设备在云端中心与用户之间构建雾计算层,提出一种“作战云雾”网络体系架构。基于此网络架构,考虑到雾计算层设备位置分散且计算能力较弱,进一步提出以计算节点协作方式处理业务的策略,并研究雾计算层的负载均衡问题,构建雾网络中的任务处理时延最小的优化问题,同时提出一种基于广义扩散的负载均衡策略求解该优化问题。仿真结果表明,应用广义扩散优化负载均衡算法的“作战云雾”网络架构可以有效地降低任务响应时延。在基于广义扩散模型的负载均衡策略的研究基础之上,面向战场计算服务场景,设计分散计算仿真平台,并基于Docker容器技术及其网络编排技术,依次实现其中可自动化生成战场设备集群网络的网络管理模块、用于业务处理的子业务计算模块以及前端界面展示模块。同时,用图片处理类的业务计算模拟用户的业务请求,在该平台上执行此业务请求,从实物测试的角度来验证分散计算范式中基于广义扩散模型的负载均衡策略的可行性,及其应用于战场计算服务场景的时延性能优势。

关键词：战场物联网分散计算负载均衡策略广义扩散算法低时延容器虚拟化

来源：评论

学校读者我要写书评

暂无评论

分散计算环境下可分任务的调度技术研究

分散计算环境下可分任务的调度技术研究

引用

作者：林晓民西安电子科技大学

学位级别：硕士

近年来,随着芯片制造工艺和移动通信技术的快速迭代与发展,物联网设备的性能逐步提升,应用场景日益丰富。然而,由于目前物联网设备在地理分布上过于分散,且通常仅在独立系统内运作,这种系统间的隔离导致大量设备的算力未得以充分利用。... 详细信息

近年来,随着芯片制造工艺和移动通信技术的快速迭代与发展,物联网设备的性能逐步提升,应用场景日益丰富。然而,由于目前物联网设备在地理分布上过于分散,且通常仅在独立系统内运作,这种系统间的隔离导致大量设备的算力未得以充分利用。因此,分散计算(Dispersed Computing,DCOMP)体系架构提出,可以利用DCOMP中间件技术将广泛具有计算、通信、存储能力的设备抽象为通用的可编程计算节点并连接成网络,为实现低延迟、高效率、广范围的设备间协作计算提供了新的契机,可满足未来万物互联时代用户对计算性能和服务质量越来越高的需求。其中,如何在分散化的计算资源间针对特定优化目标执行合理的任务调度,是目前分散计算领域研究的核心问题。本论文基于可分任务理论,分别以最小化计算时延和系统平均能耗为优化目标对任务调度技术展开研究,主要工作与创新点如下。针对最小化任务计算时延的优化目标。首先,综合考虑节点计算能力的差异、通信方式的异构、计算任务随机产生和到达等一系列因素对任务调度决策的影响,结合排队论,构建了一个分散计算环境下考虑传输可靠性约束的可分任务动态调度模型。该模型突破了单跳卸载的限制,可利用任务递归划分性质以支持跨多跳协作计算。其次,在分析模型特点与求解的时间复杂度后,基于启发式思想,提出并设计了一种适用于求解该模型的分布式调度算法。该算法在传统的遗传算法基础上对种群初始化、交叉算子进行了优化和改进,以减小解空间维度并加快算法收敛速度,并解决了节点间任务循环划分调度等问题。最后,通过分析仿真实验结果,证明了本章所设计的调度算法较于目前经典的调度算法,在系统全局资源利用率、吞吐量、任务平均计算时延等多个评价维度上更优。针对最小化系统平均能耗的优化目标。首先,在前章基础上,构建了一个分散计算在能源受限的灾区环境作应急计算保障应用的场景模型,增加了对计算节点移动性、无线信道时变等随机变量的考虑,令无人机集群与受灾区域内的移动智能设备组成分散式网络,协作完成无人机控制中心下发的计算任务。其次,在队列积压长期稳定的约束下构建最大化任务分发量、最小化系统平均能耗两个调度优化目标函数。基于李雅普诺夫优化理论,将随机优化问题转换为普通优化问题,对两个调度阶段分别提出基于深度强化学习与基于凸优化技术的调度算法,并给出了算法性能损失的分析。最后,通过设计仿真实验,验证了该应用场景经过两阶段调度算法的协同决策,可在计算服务速率稳定可控的前提下使系统平均能耗最小化。

关键词：分散计算可分任务调度遗传算法李雅普诺夫优化深度强化学习

来源：评论

学校读者我要写书评

暂无评论

面向分散计算的任务调度技术研究

面向分散计算的任务调度技术研究

引用

作者：袁森国防科技大学

学位级别：硕士

在过去一段时间里,云计算作为主要的计算范式在提供按需配置的、位置无关的以及延迟容忍的服务方面占据了主导地位。随着边缘计算和雾计算的兴起,一部分计算也开始卸载到网络边缘执行。但随着5G以及物联网的进一步推进,海量的数据在网... 详细信息

在过去一段时间里,云计算作为主要的计算范式在提供按需配置的、位置无关的以及延迟容忍的服务方面占据了主导地位。随着边缘计算和雾计算的兴起,一部分计算也开始卸载到网络边缘执行。但随着5G以及物联网的进一步推进,海量的数据在网络边缘或网络中产生,以及越来越多的应用(如虚拟现实、自动驾驶等)开始寻求低时延或实时的计算响应,要求基于位置感知的计算服务。而云计算、雾/边缘计算缺乏对网络内的溢出的算力资源的有效感知和利用,无法满足相应的需求。于是作为补充范式的分散计算被提了出来,分散计算进一步扩大了对网络计算资源和通信资源的利用范围,可以提供更低的时延保证和更高的计算扩展性。任务调度是分散计算的关键技术之一,然而传统的启发式任务调度算法在面对分散计算环境的高动态、高异构和分散性问题时,不能很好地适应计算环境,同时缺乏学习能力,不能有效感知分散计算资源。本文重点研究了分散计算任务调度面临的计算环境动态性、异构性和分散性问题,旨在通过具有学习能力的分散计算任务调度实现自适应分散计算环境,感知分散计算资源,进而发挥分散计算的“本地”算力优势。本文提出了一个可扩展的分散计算任务调度模型,将分散计算任务调度决策过程建模为马尔可夫决策过程,并结合强化学习技术分别提出了基于Q-Learning的域内分散计算任务调度算法和基于Double DQN的跨域分散计算任务调度算法。模拟实验结果表明了所提出算法的可行性和有效性。本文的主要贡献如下:1)本文将分散计算调度决策过程建模为马尔可夫决策过程,建立了一个新的可扩展的分散计算任务调度模型。基于对分散计算域的划分,将分散计算任务调度问题解构为域内任务调度和跨域任务调度,减少了分散计算任务调度的问题规模;2)针对域内分散计算任务调度面临的资源动态性和异构性问题,提出了基于Q-Learning的域内分散计算任务调度算法,实现了低时延的、自适应的域内分散计算任务调度。在随机生成的任务图数据上的模拟实验结果表明提出的域内分散计算任务调度算法综合性能优于基线算法,能够有效降低makespan以及任务执行时延;3)针对跨域分散计算任务调度面临的节点分散性问题,提出了基于深度强化学习方法Double DQN的跨域分散计算任务调度算法。设计了一个包含资源信息的状态空间描述方式,并基于Softmax方法实现了对跨域分散节点的采样,减少了跨域分散计算任务调度的簇集。模拟实验结果表明提出的跨域分散计算任务调度算法总体上优于基线算法,实现了跨域分散计算任务调度的资源感知和全局性调度优化。

关键词：分散计算任务调度云计算边缘计算 Q-Learning Double DQN

来源：评论

学校读者我要写书评

暂无评论

基于路径计算的分散计算范式映射与实现

基于路径计算的分散计算范式映射与实现

引用

作者：张夏童西安电子科技大学

学位级别：硕士

5G通信技术的面世为多样化的物联网络带来前所未有的发展契机,诸多万物互联元素从概念畅想变为现实,与此同时,海量智能设备入网,物联网应用分析数据的增长趋也势持续攀升。当前,云计算服务于物联网已成为主流趋势,一定程度上解决了物联... 详细信息

5G通信技术的面世为多样化的物联网络带来前所未有的发展契机,诸多万物互联元素从概念畅想变为现实,与此同时,海量智能设备入网,物联网应用分析数据的增长趋也势持续攀升。当前,云计算服务于物联网已成为主流趋势,一定程度上解决了物联网应用中高性能业务计算与海量分析数据存储的难题。然而,在5G赋能下充斥物联设备数据的未来,快速、可靠的业务处理变得至关重要,云计算面对特殊业务时仍存在业务响应高延迟、通信资源有限及单点故障易发的弊病,已无法满足新兴物联网应用对业务实时性、敏捷性、可靠性及安全性的需求。为解决云计算应用于未来物联网络时存在的上述弊端,本文研究分散计算范式的相关理论与实现技术,基于分散式的计算架构,利用靠近用户侧且分散在全域的计算与存储资源协同执行业务计算,提高业务承载网络的应用性能,以协作和共享的方式给用户提供实时、敏捷的计算服务。本文对分散计算实现方式之一―路径计算做概念阐述及其任务映射策略研究,同时设计并实现基于路径计算的分散计算硬件仿真平台,分别从理论与工程角度探索分散计算范式,主要研究内容如下:(1)从分散计算范式、路径计算策略及容器虚拟化技术三方面依次阐述论文国内外研究现状及相关理论与技术基础,为后续路径计算任务映射策略的研究及分散计算硬件仿真平台的实现分别做理论与技术铺垫。(2)针对云计算应用于医疗大数据场景时存在的业务响应高延迟问题,利用医院现有基础设施提出一种云雾网络架构,以支撑路径计算范式的实现;以该网络架构为基础研究路径计算任务映射策略,定义有向无环图形式的大数据任务模型至无向图形式的医院网络拓扑图的映射规则;依据上述映射规则,提出一种基于离散二值粒子群优化算法的时延优化方案,并借助Matlab平台进行实验仿真。仿真结果表明,当数据量取5～10Mb时,应用路径计算方案的任务处理时延相比云计算可降低50%以上。(3)在路径计算任务映射策略研究基础之上,面向卫星计算服务场景,设计分散计算硬件仿真平台架构,并基于Docker容器及其网络与编排技术,依次实现其中可自动化生成卫星集群模拟网络的网络仿真模块、任务图中各类别子任务计算模块及计算模块资源池;利用该平台执行图片处理类的仿真任务图,从实物角度验证基于路径计算的分散计算范式的可行性,及基于离散二值粒子群优化算法的任务图映射策略的时延性能优势。仿真结果表明,当图片数据量取4Mb时,路径计算时延性能相较于云计算可提升40%。

关键词：分散计算路径计算映射时延容器虚拟化 Docker

来源：评论

学校读者我要写书评

暂无评论

面向分散式计算的吞吐量优化调度研究

面向分散式计算的吞吐量优化调度研究

引用

作者：袁武琛大连理工大学

学位级别：硕士

随着分散计算在数据处理中的应用越来越广泛，分散计算的优化问题逐渐成为研究热点。作为分散计算优化问题的重要研究内容，分散计算的吞吐量优化问题通常拥有较高的复杂度。本文围绕分散计算的吞吐量优化问题展开研究，提出了集中式和... 详细信息

随着分散计算在数据处理中的应用越来越广泛，分散计算的优化问题逐渐成为研究热点。作为分散计算优化问题的重要研究内容，分散计算的吞吐量优化问题通常拥有较高的复杂度。本文围绕分散计算的吞吐量优化问题展开研究，提出了集中式和分布式相结合的吞吐量优化方法，从而最大程度地提高分散计算的吞吐量，并确保数据处理结果的实时性与准确性。本论文的主要研究工作包括：　　（1）分散计算吞吐量优化问题建模。针对任务之间相互依赖且串行任务、并行任务共存的特点，基于有向无环图构建了任务模型;对计算节点之间的通信约束进行了分析，围绕分散计算中计算节点和通信链路，通过有向图建立了分散计算的资源模型;针对分散计算中计算节点、通信链路都有一定概率发生故障的问题，面向计算节点和通信链路建立了故障资源模型;为了保证分散计算的可靠性需求，基于故障资源模型建立了分散式计算的可靠性约束模型;为了实现分散计算吞吐量的优化，通过分析分散计算的任务处理过程，建立了分散计算吞吐量的数学模型。　　（2）分散计算集中式吞吐量优化。针对存在主节点进行集中式决策的分散计算系统，提出了集中式的吞吐量瓶颈分析方法，得到了制约吞吐量的两个全局瓶颈：通信瓶颈和计算瓶颈;针对通信瓶颈，提出了集中式的任务复制算法，将通信瓶颈上游的任务复制到通信速度快的链路的节点上，解决了通信瓶颈;针对计算瓶颈，提出了集中式的任务拆分算法，将计算瓶颈上的任务进行拆分，解决了计算瓶颈;为了同时解决通信瓶颈和计算瓶颈，将集中式的任务复制算法和集中式的任务拆分算法结合起来，从而优化了分散计算吞吐量。　　（3）分散计算分布式吞吐量优化。针对各计算节点自主进行决策的分散计算系统，引入了博弈思想，解决任务如何选择计算节点的问题，通过分析任务分配到计算节点的过程，进行了买卖博弈分析，每个计算节点既可以是买方，又可以是卖方，在博弈的过程中通过将任务卸载到其他计算节点来优化吞吐量;设计了基于买卖博弈的分布式任务卸载算法，通过将任务高效分配到计算节点来最大化系统吞吐量。　　与现有的吞吐量优化算法对比显示本文提出的集中式和分布式吞吐量优化算法可以确保分散计算的吞吐量达到最大，并保证数据处理的实时性和准确性。

关键词：分散计算吞吐量买卖博弈优化调度

来源：评论

学校读者我要写书评

暂无评论

新型移动网络计算模型下基于资源感知的网络优化设计与实现

新型移动网络计算模型下基于资源感知的网络优化设计与实现

引用

作者：郑经纬西安电子科技大学

学位级别：硕士

分散计算是近几年提出的一种未来计算范式,主要用于解决传统计算范式对数据中心的过度依赖问题。在资源受限的情况下,传统计算范式往往需要访问算力资源丰富的大型服务器,由于节点能力不足,面对复杂计算任务时,计算设备需将数据传输至... 详细信息

分散计算是近几年提出的一种未来计算范式,主要用于解决传统计算范式对数据中心的过度依赖问题。在资源受限的情况下,传统计算范式往往需要访问算力资源丰富的大型服务器,由于节点能力不足,面对复杂计算任务时,计算设备需将数据传输至后方数据中心进行处理。在一些边缘移动场景中,这种数据回传的方式可能无法达到用户的时效性标准。面对这种困境,分散计算能够利用若干个资源受限的小型计算节点搭建去中心化、自组织、无基础设施的移动通信网络。该网络将若干移动节点形成一个计算有机体,统筹利用节点资源进行任务协同计算,由此借用附近智能设备的空闲算力,通过协同计算满足计算需求,避免数据回传,显著提高设备计算性能。本文所研究的新型移动网络是指以分散计算为背景的网络模型,重点研究该网络模型下基于资源感知的网络优化技术。设计新型移动网络模型下的支撑子系统,解决移动组网困难、资源数据闭塞和网络质量低下等问题。论文将着重论述网络模型搭建、资源数据共享和网络通信优化技术的设计与实现。首先,针对新型移动网络无中心自组织的特点,论文创新性的提出了新型移动计算自组织网络。通过加权分簇算法对移动智能设备进行子网划分,综合考虑影响网络模型的节点因素,完成节点的簇首选举,力求构建稳定可靠的子网结构;然后,在整体网络的数据支撑方面,设计实现资源感知模块,负责完成网络节点的资源数据采集、数据同步共享与网络拓扑感知工作。结合新型移动网络特征,改进快速同步算法Rsync,并且通过性能对比测试,验证了改进后的算法能够有效提高节点之间资源数据的同步效率。除此之外,使用洪泛搜索思想实现整体网络拓扑数据的感知计算,为网络优化技术提供数据支撑;最后,针对移动网络环境中的网络质量低下,数据传输效率无法有效保障问题,设计实现了基于多目标进化算法的网络优化技术。通过对新型移动网络计算中存在的通信问题分析建模,使用非支配排序遗传算法II对网络链路开销、连通性、资源占用分布多个目标同时展开优化。在此过程中,为了有效产生种群后代,设计提出长度自适应的权重映射交叉算子。通过多个实验组之间的对比测试,验证了权重映射交叉算子和非支配排序遗传算法II的正确性与可行性,能够有效帮助新型移动网络模型下的业务报文规划最佳路由,提高网络质量与数据传输效率。经过对支撑子系统的测试,结果显示通过新型移动计算自组织网络能够有效构建双层网络结构,在此基础上,资源感知模块的周期性操作切实保障了计算节点之间的资源数据一致性,并且顺利生成网络拓扑数据。

关键词：分散计算自组织网络资源感知快速同步多目标优化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：