针对智慧医疗场景中高密度无线体域网(wireless body area network,WBAN)多优先级数据传输与计算资源受限的挑战,研究提出一种融合动态优先级评估与量子优化的任务卸载策略。首先通过构建医疗物联网(healthcare Internet of Things,H-I...针对智慧医疗场景中高密度无线体域网(wireless body area network,WBAN)多优先级数据传输与计算资源受限的挑战,研究提出一种融合动态优先级评估与量子优化的任务卸载策略。首先通过构建医疗物联网(healthcare Internet of Things,H-IoT)高密度WBAN网络模型,集成任务优先级分层机制与动态信道状态感知模块,建立基于生理数据特征的通信质量评估体系。其次设计多维动态调度框架,利用生理参数偏离度、数据滞留时间及抢占事件等指标实时调整任务优先级权重,结合抢占式调度策略保障急诊数据的低时延传输。再进一步改进量子遗传算法(improved quantum genetic algorithm,IQGA),采用动态量子旋转门角度调整机制优化局部搜索性能,并引入灾变修正函数提升全局收敛效率。仿真实验表明,该策略在任务平均处理时间、系统能耗、高优先级任务时延及收敛速度方面分别实现71.51%、88.21%、89.63%和78.74%的性能优化,系统综合收益提升达114.43%。研究成果为高密度医疗物联网场景下的实时任务调度与资源分配提供了理论支撑与技术路径。展开更多
为了解决车路协同中无人驾驶汽车跨区域计算任务卸载问题,构建了一种无人驾驶汽车和路侧单元(road side unit,RSU)的联合任务卸载优化模型,旨在将计算任务的总能耗和时延的加权和最小化,即求出计算任务的总能耗和时延的加权和的最小值,...为了解决车路协同中无人驾驶汽车跨区域计算任务卸载问题,构建了一种无人驾驶汽车和路侧单元(road side unit,RSU)的联合任务卸载优化模型,旨在将计算任务的总能耗和时延的加权和最小化,即求出计算任务的总能耗和时延的加权和的最小值,为此提出自适应粒子群优化算法(adaptive particle swarm optimization,APSO)优化车辆计算任务卸载过程中的任务卸载策略和任务发射功率来达到计算任务的总能耗和时延的加权和的最小值。结果表明:基于APSO的无人驾驶汽车的跨区域联合任务卸载优化模型能显著降低无人驾驶汽车计算任务的总能耗和时延的加权和,同时对于所构建的跨区域联合任务卸载优化模型采用APSO求解优于采用模拟退火算法(simulated annealing,SA)和遗传算法(genetic algorithm,GA)求解。展开更多
文摘针对智慧医疗场景中高密度无线体域网(wireless body area network,WBAN)多优先级数据传输与计算资源受限的挑战,研究提出一种融合动态优先级评估与量子优化的任务卸载策略。首先通过构建医疗物联网(healthcare Internet of Things,H-IoT)高密度WBAN网络模型,集成任务优先级分层机制与动态信道状态感知模块,建立基于生理数据特征的通信质量评估体系。其次设计多维动态调度框架,利用生理参数偏离度、数据滞留时间及抢占事件等指标实时调整任务优先级权重,结合抢占式调度策略保障急诊数据的低时延传输。再进一步改进量子遗传算法(improved quantum genetic algorithm,IQGA),采用动态量子旋转门角度调整机制优化局部搜索性能,并引入灾变修正函数提升全局收敛效率。仿真实验表明,该策略在任务平均处理时间、系统能耗、高优先级任务时延及收敛速度方面分别实现71.51%、88.21%、89.63%和78.74%的性能优化,系统综合收益提升达114.43%。研究成果为高密度医疗物联网场景下的实时任务调度与资源分配提供了理论支撑与技术路径。
