检索结果

Select

1. 基于稳定匹配的多用户任务卸载策略

毛莺池, 徐雪松, 刘鹏飞

计算机应用 2021, 41 (3): 786-793. DOI: 10.11772/j.issn.1001-9081.2020060861

摘要（336）

PDF （1162KB）（966）

随着许多计算密集型应用的出现，移动设备因其有限的计算能力无法满足用户时延、能耗等需求。移动边缘计算（MEC）通过无线信道将用户的任务计算卸载到MEC服务器，从而显著减少任务响应时延和能耗。针对多用户任务卸载问题，提出了基于稳定匹配的多用户任务卸载策略（MUTOSA），在保证用户的时延要求下达到能耗最小化。首先，在综合考虑时延与能耗的基础上，对独立任务场景下的多用户任务卸载问题进行建模；然后，基于博弈论的稳定匹配中的延迟接收思想，提出了一种调整策略；最后，通过不断迭代，解决了多用户任务卸载问题。实验结果表明，该策略相较于基准策略和启发式策略能够满足更多用户的时延要求，平均提高约10%的用户满意度，并能减少约50%的用户设备总能耗。所提策略在保证用户时延要求的同时有效地减少了能耗，可以有效地提高用户对于时延敏感型应用的体验。

参考文献 | 相关文章 | 多维度评价

Select

2. 多模型数据集的免疫鲁棒回归分析

徐雪松舒俭

计算机应用 2014, 34 (8): 2285-2290. DOI: 10.11772/j.issn.1001-9081.2014.08.2285

摘要（220）

PDF （948KB）（370）

针对传统多模型数据集回归分析方法计算时间长、模型识别准确率低的问题，提出了一种新的启发式鲁棒回归分析方法。该方法模拟免疫系统聚类学习的原理，采用B细胞网络作为数据集的分类和存储工具，通过判断数据对模型的符合度进行分类，提高了数据分类的准确性，将模型集抽取过程分解成“聚类”“回归”“再聚类”的反复尝试过程，利用并行启发式搜索逼近模型集的解。仿真结果表明，所提方法回归分析时间明显少于传统算法，模型识别准确率明显高于传统算法。根据8模型数据集分析结果，传统算法中，效果最好的是基于RANSAC的逐次提取算法，其平均模型识别准确率为90.37%，需53.3947s；计算时间小于0.5s的传统算法，其准确率不足1%；所提算法仅需0.5094s，其准确率达到了98.25%。

参考文献 | 相关文章 | 多维度评价

Select

3. 钢铁炉温不确定时滞系统Smith免疫预测控制

徐雪松欧阳峣

计算机应用 2012, 32 (10): 2956-2959. DOI: 10.3724/SP.J.1087.2012.02956

摘要（708）

PDF （582KB）（407）

针对钢铁炉温不确定时滞系统,将免疫反馈控制与Smith预估控制结合而提出了一种Smith免疫预测控制方法。利用克隆选择实现滚动优化避免了求Diophantine方程及逆矩阵,不需要复杂的推导,可以在线调整Smith 预估器的时滞时间常数和对扰动进行补偿,消除传统Smith预估对模型的依赖。通过实验仿真表明了该方法的有效性,并对外部干扰及系统建模误差具有很好的适应性,将该方法应用于钢铁高炉炉温控制过程,取得较好的控制效果。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于免疫量子遗传算法的多峰函数寻优

徐雪松王四春

计算机应用 2012, 32 (06): 1674-1677. DOI: 10.3724/SP.J.1087.2012.01674

摘要（1186）

PDF （589KB）（482）

针对多峰函数优化中的全局及局部寻优问题，提出了一种结合免疫克隆算子的量子遗传算法，给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点，也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验，并与基本遗传算法，量子遗传算法的计算结果进行了比较，结果表明所提算法能以较快的速度搜索到全局最优解，并且其鲁棒性远高于普通量子遗传算法和遗传算法。