检索结果

Select

1. 基于分解法与轨迹搜索的无人机群轨迹多目标优化模型

柳隽琰, 江沸菠, 彭于波, 董莉

《计算机应用》唯一官方网站 2023, 43 (12): 3806-3815. DOI: 10.11772/j.issn.1001-9081.2022121882

摘要（157）

HTML （3）

PDF （1873KB）（125）

基于深度学习（DL）的传统多目标求解器存在模型利用率低以及容易陷入局部最优的问题。针对这些问题，提出了基于分解法与轨迹搜索的无人机群轨迹多目标优化模型（DTMO-UT）。所提模型包含编码与解码部分。首先，编码部分由设备编码器（Dencoder）和权重编码器（Wencoder）组成，用于提取物联网（IoT）设备的状态信息与权重向量的特征，其中权重向量代表分解多目标优化问题（MOP）的标量优化子问题，因此解决所有子问题即可解决该MOP。权重编码器可以实现对所有子问题的编码，从而提高了模型的利用率。然后，使用包含轨迹解码器（Tdecoder）的解码部分对编码特征进行解码，以生成帕累托最优解。最后，为了减少贪婪策略陷入局部最优的现象，为轨迹解码器设计轨迹搜索技术，即通过生成多个候选轨迹选标量值最优的轨迹作为帕累托最优解，从而增强了轨迹解码器在轨迹规划时的探索能力，并获得质量更好的帕累托集。仿真实验结果表明，所提模型相较于主流的基于DL的MOP求解器，在模型参数量降低98.93%的情况下，MOP解的分布性提高了0.076%，延展性提高了0.014%，平均综合性提高了1.23%，表现出较强的实用性路径规划能力。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 移动边缘计算中基于粒子群优化的计算卸载策略

罗斌, 于波

计算机应用 2020, 40 (8): 2293-2298. DOI: 10.11772/j.issn.1001-9081.2019122200

摘要（609）

PDF （961KB）（751）

计算卸载作为移动边缘计算（MEC）中降低时延与能耗的手段之一，通过合理的卸载决策能够降低工业成本。针对工业生产线中部署MEC服务器后时延变长和能耗增高的问题，提出了一种基于粒子群优化（PSO）算法的计算卸载策略PSAO。首先，将实际问题建模为时延模型与能耗模型。由于是针对时延敏感型的应用，因此将模型转化为在能耗约束条件下的最小化时延问题，使用惩罚函数来平衡时延与能耗。其次，根据PSO算法优化后得到计算卸载决策向量，通过集中控制的方式使每一个计算任务合理分配到对应的MEC服务器。最后，通过仿真实验，对比分析了本地卸载策略、MEC基准卸载策略、基于人工鱼群算法（AFSA）的卸载策略以及PSAO的时延数据，PSAO的平均总时延远远低于其他三种卸载策略，PSAO比原来系统总代价降低了20%。实验结果表明，PSAO策略能够降低MEC中的时延，均衡MEC服务器的负载。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于群集移动节点的切换算法

吕莎莎孙建伟贾军营于波

计算机应用 2011, 31 (12): 3219-3222.

摘要（836）

PDF （660KB）（506）

无线蜂窝网的信号切换依赖IP层的移动切换，IETF提出的代理移动IPv6(PMIPv6)协议可以保证移动终端应用IPv6网的快速切换，但是它在切换时延方面仍然无法保证实时通信的服务质量。研究基于PMIPv6协议，提出群集移动节点(CMN)算法，应用媒体无关切换(MIH)技术，减少了大量移动节点，同时提出切换请求时系统时延增大的问题,扩展原始代理绑定更新消息结构(A-PBU)。最后模拟网络模型和节点移动模型，从切换时延方面分析算法的有效性。实验结果表明，系统应用CMN算法与原始切换算法相比可以大大降低切换时延。