检索结果-维普期刊中文期刊服务平台

多无人机使能移动边缘计算系统中的计算卸载与部署优化被引量：12: 1; 作者刘漳辉郑鸿强 +1 位作者张建山陈哲毅《计算机科学》 CSCD 北大核心 2022年第S01期619-627,共9页; 无人机与移动边缘计算技术的结合突破了传统地面通信的局限性。无人机所提供的有效视距信道可大大改善边缘服务器与移动设备之间的通信质量。为了进一步提升移动边缘计算系统的服务质量,设计了一种多无人机使能的移动边缘计算系统模型... 展开更多; 关键词移动边缘计算无人机部署计算卸载离散粒子群优化算法贪心算法; 在线阅读下载PDF 职称材料

面向空天地一体化网络的切片划分与协作卸载: 2; 作者王鹏飞郑霖睿 +2 位作者于正欣苗旺陈哲毅《小型微型计算机系统》北大核心 2025年第9期2275-2282,共8页; 新兴的空天地一体化网络(Space-Air-Ground Integrated Networks,SAGIN)赋予移动边缘计算(Mobile Edge Computing,MEC)更广泛的通信覆盖范围与更灵活的网络接入能力.然而,多样化的用户需求与低效的资源利用严重影响了SAGIN中计算卸载的... 展开更多; 关键词空天地一体化网络网络切片协作卸载资源分配深度强化学习; 在线阅读下载PDF 职称材料

基于多变量时空反转Transformer的边缘负载预测方法: 3; 作者江庆南许浩然 +2 位作者陈哲毅于正欣苗旺《小型微型计算机系统》北大核心 2025年第8期1918-1926,共9页; 作为边缘系统中的一项关键技术,负载预测直接影响着资源分配和系统性能.传统的负载预测方法在面对具有明显趋势或规律的负载时可获得令人满意的预测效果.然而,鉴于边缘环境的高动态性以及多维数据的高度复杂性,传统方法往往难以取得精... 展开更多; 关键词边缘计算负载预测特征提取时空信息自注意力机制; 在线阅读下载PDF 职称材料

基于深度强化学习的云软件服务自适应资源分配方法被引量：5: 4; 作者傅德泉杨立坚陈哲毅《计算机应用》 CSCD 北大核心 2022年第S01期201-207,共7页; 近年来,基于云计算的软件服务对自适应的资源分配技术提出了越来越高的要求,以保证良好的服务质量(QoS)和合理的资源成本。然而,由于云环境中不断变化的工作负载,基于云计算的软件服务资源分配面临着巨大的挑战,不合理的资源分配方案可... 展开更多; 关键词云计算基于云的软件服务资源分配深度强化学习反馈控制; 在线阅读下载PDF 职称材料

题名多无人机使能移动边缘计算系统中的计算卸载与部署优化被引量：12: 1; 作者刘漳辉郑鸿强张建山陈哲毅; 机构福州大学数学与计算机科学学院福建省网络计算与智能信息处理重点实验室英国埃克塞特大学计算机科学系; 出处《计算机科学》 CSCD 北大核心 2022年第S01期619-627,共9页; 基金国家自然科学基金(62072108) 福建省自然科学基金杰青项目(2020J06014)。; 文摘无人机与移动边缘计算技术的结合突破了传统地面通信的局限性。无人机所提供的有效视距信道可大大改善边缘服务器与移动设备之间的通信质量。为了进一步提升移动边缘计算系统的服务质量,设计了一种多无人机使能的移动边缘计算系统模型。在该系统中,无人机作为边缘服务器为移动设备提供计算服务,通过联合优化无人机部署与计算卸载策略实现平均任务响应时间的最小化。基于问题定义,提出了一种PSO-GA-G双层嵌套联合优化方法,该方法的外层采用了结合遗传算法算子的离散粒子群优化算法(Discrete Particle Swarm Optimization Algorithm Combined with Genetic Algorithm Operators,PSO-GA),实现了对无人机部署位置的优化;而该方法的内层则是采用了贪心算法(Greedy Algorithm),实现了对计算卸载策略的优化。大量仿真实验验证了所提方法的可行性和有效性。实验结果表明,相比其他基准方法,所提出方法可以实现更短的平均任务响应时间。; 关键词移动边缘计算无人机部署计算卸载离散粒子群优化算法贪心算法; Keywords Mobile edge computing Unmanned aerial vehicle deployment Computation offloading Discrete particle swarm optimization algorithm Greedy algorithm; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名面向空天地一体化网络的切片划分与协作卸载: 2; 作者王鹏飞郑霖睿于正欣苗旺陈哲毅; 机构福州大学计算机与大数据学院大数据智能教育部工程研究中心福建省网络计算与智能信息处理重点实验室(福州大学) 兰卡斯特大学计算与通信学院埃克塞特大学计算机科学系; 出处《小型微型计算机系统》北大核心 2025年第9期2275-2282,共8页; 基金国家自然科学基金项目(62202103)资助中央引导地方科技发展资金项目(2022L3004)资助 +1 种基金福厦泉国家自主创新示范区协同创新平台项目(2022FX5)资助.; 文摘新兴的空天地一体化网络(Space-Air-Ground Integrated Networks,SAGIN)赋予移动边缘计算(Mobile Edge Computing,MEC)更广泛的通信覆盖范围与更灵活的网络接入能力.然而,多样化的用户需求与低效的资源利用严重影响了SAGIN中计算卸载的服务质量(Quality-of-Service,QoS).现有研究工作大多针对静态环境或依赖系统先验知识,难以适应动态复杂的SAGIN环境.针对上述挑战,本文设计了一种新型的面向SAGIN的切片划分与协作卸载(Slice Partitioning and Collaborative Offloading,SPCO)框架.首先,提出了一种基于Transformer的切片资源划分方法,通过感知用户流量的变化趋势,实现高效的切片资源划分.接着,设计了一种基于改进深度强化学习(Deep Reinforcement Learning,DRL)的协作卸载与资源分配方法,通过应对Q值高估与高方差导致的难以收敛等问题,实现了通信和计算资源的合理分配以及异构平台的高效协作卸载.大量基于真实流量数据集的实验验证了SPCO的有效性.所提SPCO框架可有效增加服务商收益,且相较于其他基准方法可以取得更加优越的任务完成率与资源利用率.; 关键词空天地一体化网络网络切片协作卸载资源分配深度强化学习; Keywords SAGIN network slicing collaborative offloading resource allocation deep reinforcement learning; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多变量时空反转Transformer的边缘负载预测方法: 3; 作者江庆南许浩然陈哲毅于正欣苗旺; 机构福州大学计算机与大数据学院大数据智能教育部工程研究中心福建省网络计算与智能信息处理重点实验室(福州大学) 兰卡斯特大学计算与通信学院埃克塞特大学计算机科学系; 出处《小型微型计算机系统》北大核心 2025年第8期1918-1926,共9页; 基金国家自然科学基金项目(62202103)资助中央引导地方科技发展资金项目(2022L3004)资助 +1 种基金福厦泉国家自主创新示范区协同创新平台项目(2022FX5)资助。; 文摘作为边缘系统中的一项关键技术,负载预测直接影响着资源分配和系统性能.传统的负载预测方法在面对具有明显趋势或规律的负载时可获得令人满意的预测效果.然而,鉴于边缘环境的高动态性以及多维数据的高度复杂性,传统方法往往难以取得精确高效的负载预测.同时,时空信息的引入对边缘负载预测所能带来的潜在价值也尚未得到充分研究.针对这些问题,本文提出了一种新型的基于多变量时空反转Transformer的边缘负载预测方法(Multi-variable Spatio-Temporal Inverted Transformer,MSTIT).所提出的MSTIT方法设计了一种静态内容感知层用于提取边缘负载时序数据的多维变量特征,并提出一种可学习的位置嵌入提取边缘节点位置的全局信息并以此捕获时序数据中的空间特征.接着,通过引入序列反转从而更好地利用Transformer的自注意力机制来关联多个变量与融合时空信息.因此,MSTIT方法能够高效地提取边缘负载的关键特征,并充分利用时空信息,从而实现对多维、高动态边缘负载的准确高效预测.基于真实的边缘负载数据集,通过大量的实验验证和分析,证明了所提出的MSTIT方法的有效性.实验结果表明,与其他基准方法相比,MSTIT方法具有更高的预测精度,并且在不同的预测场景下均表现出优异的性能.; 关键词边缘计算负载预测特征提取时空信息自注意力机制; Keywords edge computing load prediction feature extraction spatio-temporal information self-attentiom mechanism; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度强化学习的云软件服务自适应资源分配方法被引量：5: 4; 作者傅德泉杨立坚陈哲毅; 机构福州大学计算机与大数据学院埃克塞特大学计算机科学系; 出处《计算机应用》 CSCD 北大核心 2022年第S01期201-207,共7页; 基金国家自然科学基金资助项目(62072108) 福建省自然科学基金杰青项目(2020J06014)。; 文摘近年来,基于云计算的软件服务对自适应的资源分配技术提出了越来越高的要求,以保证良好的服务质量(QoS)和合理的资源成本。然而,由于云环境中不断变化的工作负载,基于云计算的软件服务资源分配面临着巨大的挑战,不合理的资源分配方案可能降低QoS,并且导致高额的资源成本。传统的方法大多依赖于专家知识或者多次迭代,这可能导致适应性差和额外的成本。现有的基于强化学习(RL)的方法通常以固定的工作负载环境为目标,不能有效地适应具有可变工作负载的真实场景。为此,提出一种基于深度强化学习(DRL)的自适应资源分配方法,在该方法中根据运行时系统状态训练得到基于深度Q网络(DQN)的管理操作预测模型,并且设计了一种基于反馈控制的运行时决策算法,进而可以根据当前系统状态确定目标资源分配方案。在RUBiS基准对方法进行了评估,实验结果表明,该方法比经典的基于启发式的粒子群优化(PSO)算法和贪心算法适应度函数值平均分别高出4.4%和5.6%,能够有效地平衡对于QoS和资源成本的需求。; 关键词云计算基于云的软件服务资源分配深度强化学习反馈控制; Keywords cloud computing cloud-based software services resource allocation Deep Reinforcement Learning(DRL) feedback control; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	多无人机使能移动边缘计算系统中的计算卸载与部署优化	刘漳辉郑鸿强张建山陈哲毅	《计算机科学》 CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
2	面向空天地一体化网络的切片划分与协作卸载	王鹏飞郑霖睿于正欣苗旺陈哲毅	《小型微型计算机系统》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于多变量时空反转Transformer的边缘负载预测方法	江庆南许浩然陈哲毅于正欣苗旺	《小型微型计算机系统》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于深度强化学习的云软件服务自适应资源分配方法	傅德泉杨立坚陈哲毅	《计算机应用》 CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料