工业物联网(Industrial Internet of Things,IIoT)是第六代移动通信系统(6th Generation Mobile Communication System,6G)的典型应用。提出了一种新的基于几何的工业物联网环境非平稳随机模型(Geometry-based Stochastic Model,GBSM)...工业物联网(Industrial Internet of Things,IIoT)是第六代移动通信系统(6th Generation Mobile Communication System,6G)的典型应用。提出了一种新的基于几何的工业物联网环境非平稳随机模型(Geometry-based Stochastic Model,GBSM)。该模型通过速度分解细化IIoT下信道模型中散射体组成的簇的生灭过程,对不同运动方向间信道非平稳特性的区别进行了建模。仿真结果表明,该模型能较好地表征不同运动方向对信道特性的影响,能够有效地反映信道传播环境中簇的数量。与参考模型以及射线追踪仿真的时延均方扩展和角度均方扩展拟合结果验证了该模型具有较高的精度。展开更多
工业物联网(Industrial Internet of Things,IIoT)是物联网(Internet of Things,IoT)在制造系统中的实现,随着它的快速发展,许多应用需要处理来自分布式终端设备的大量数据,以确保工业物联网的系统性能.本文从工业物联网应用管理者的角...工业物联网(Industrial Internet of Things,IIoT)是物联网(Internet of Things,IoT)在制造系统中的实现,随着它的快速发展,许多应用需要处理来自分布式终端设备的大量数据,以确保工业物联网的系统性能.本文从工业物联网应用管理者的角度出发,考虑工业物联网应用需要及时响应,组件需要处理敏感数据的特点,提出在应用允许最大响应时间,隐私保护和数据中心资源限制的约束下,优化云边环境中工业物联网应用的组件部署代价.本文提出了基于遗传算法(Genetic Algorithm,GA)和粒子群优化算法(Particle Swarm Optimization,PSO)的多应用部署算法(Multi Application Deployment Algorithm based on GA and PSO,MADPG)来得到应用组件的部署策略.该算法基于粒子群算法设计了数据中心与组件相映射的编码方式,在粒子进化过程中动态的改变相关学习因子并使用遗传和变异两种操作来提高算法的局部和全局搜索能力.仿真实验表明,与其他策略相比,基于MADPG的部署策略能够在满足工业物联网应用的约束下有效降低工业物联网应用的组件部署代价.展开更多
为了解决在工业物联网(industrial Internet of things,IIoT)环境下,现有的调度算法在调度工作流中对数据安全、响应时间有一定要求的任务所带来的完工时间上升、成本增加的问题,提出一种基于雾环境负载率而变化的任务调度策略,并使用...为了解决在工业物联网(industrial Internet of things,IIoT)环境下,现有的调度算法在调度工作流中对数据安全、响应时间有一定要求的任务所带来的完工时间上升、成本增加的问题,提出一种基于雾环境负载率而变化的任务调度策略,并使用改进的蜣螂优化算法对工作流调度问题进行求解。改进的算法使用HEFT(heterogeneous earliest finish time)算法对蜣螂种群进行初始化,降低了原始算法中随机性带来的影响。同时引入了镜面反射和反向学习思想,提高了算法的搜索性能。实验结果表明,该算法相比于其他一些传统的调度算法在完工时间与成本方面都有一定的性能提升。展开更多
文摘工业物联网(Industrial Internet of Things,IIoT)是第六代移动通信系统(6th Generation Mobile Communication System,6G)的典型应用。提出了一种新的基于几何的工业物联网环境非平稳随机模型(Geometry-based Stochastic Model,GBSM)。该模型通过速度分解细化IIoT下信道模型中散射体组成的簇的生灭过程,对不同运动方向间信道非平稳特性的区别进行了建模。仿真结果表明,该模型能较好地表征不同运动方向对信道特性的影响,能够有效地反映信道传播环境中簇的数量。与参考模型以及射线追踪仿真的时延均方扩展和角度均方扩展拟合结果验证了该模型具有较高的精度。
文摘工业物联网(Industrial Internet of Things,IIoT)是物联网(Internet of Things,IoT)在制造系统中的实现,随着它的快速发展,许多应用需要处理来自分布式终端设备的大量数据,以确保工业物联网的系统性能.本文从工业物联网应用管理者的角度出发,考虑工业物联网应用需要及时响应,组件需要处理敏感数据的特点,提出在应用允许最大响应时间,隐私保护和数据中心资源限制的约束下,优化云边环境中工业物联网应用的组件部署代价.本文提出了基于遗传算法(Genetic Algorithm,GA)和粒子群优化算法(Particle Swarm Optimization,PSO)的多应用部署算法(Multi Application Deployment Algorithm based on GA and PSO,MADPG)来得到应用组件的部署策略.该算法基于粒子群算法设计了数据中心与组件相映射的编码方式,在粒子进化过程中动态的改变相关学习因子并使用遗传和变异两种操作来提高算法的局部和全局搜索能力.仿真实验表明,与其他策略相比,基于MADPG的部署策略能够在满足工业物联网应用的约束下有效降低工业物联网应用的组件部署代价.
文摘为了解决在工业物联网(industrial Internet of things,IIoT)环境下,现有的调度算法在调度工作流中对数据安全、响应时间有一定要求的任务所带来的完工时间上升、成本增加的问题,提出一种基于雾环境负载率而变化的任务调度策略,并使用改进的蜣螂优化算法对工作流调度问题进行求解。改进的算法使用HEFT(heterogeneous earliest finish time)算法对蜣螂种群进行初始化,降低了原始算法中随机性带来的影响。同时引入了镜面反射和反向学习思想,提高了算法的搜索性能。实验结果表明,该算法相比于其他一些传统的调度算法在完工时间与成本方面都有一定的性能提升。
