在移动边缘计算网络中,联合考虑用户的移动性和服务满意度,实现数字孪生(Digital Twin, DT)的有效部署是一个极大的挑战。针对该问题,提出了一种边缘网络中基于用户移动性预测的数字孪生部署策略。首先,利用双向长短期记忆网络(Bidirectional Long Short-Term Memory Network, Bi-LSTM)和注意力机制建立一种轨迹预测模型,对移动用户进行轨迹序列预测;然后,利用整数线性规划(Integer Linear Programming, ILP)对数字孪生的部署问题进行建模;最后,以最大化由信息新鲜度(Age of Information, AoI)定义的效用增益函数为优化目标,提出一种基于用户移动性预测的数字孪生部署策略算法对提出的问题进行求解。该算法根据获取到的移动用户轨迹数据,利用数字孪生部署的边际效用递减特性进行设计,以实现最优的数字孪生部署策略。仿真分析验证了所提算法在预测精度和效用增益方面的有效性,且该算法与基准算法相比显示出性能提升不低于10.7%。
提出了面向云环境Yarn(yet another resource negotiator)规范的蛋白质折叠模拟计算并行化算法Yarn_PERM。分析了蛋白质折叠的格点模型PERM算法的运行流程及其面向MapReduce的子任务划分方式。Yarn_PERM算法实现采用Hadoop2.0的Yarn框...
详细信息
提出了面向云环境Yarn(yet another resource negotiator)规范的蛋白质折叠模拟计算并行化算法Yarn_PERM。分析了蛋白质折叠的格点模型PERM算法的运行流程及其面向MapReduce的子任务划分方式。Yarn_PERM算法实现采用Hadoop2.0的Yarn框架作为工作平台,其资源的分配与调度、应用子任务的申请和子任务的具体执行都由Yarn来透明地完成;描述了Yarn_PERM算法的Map程序与Reduce程序及主控程序的功能实现。实验结果表明:在相同的时间内Yarn_PERM比PERM串行计算、MapReduce的PERM计算在能量最低寻优的吞吐量上明显增加,加速比和可扩展性上也有明显的优势。
暂无评论