1974年1月创刊(月刊)
主管/主办:重庆西南信息有限公司
ISSN 1002-137X
CN 50-1075/TP
CODEN JKIEBK
编辑中心
    智能化边缘计算* 栏目所有文章列表
    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    1. 边缘计算助力工业互联网:架构、应用与挑战
    李辉, 李秀华, 熊庆宇, 文俊浩, 程路熙, 邢镔
    计算机科学    2021, 48 (1): 1-10.   https://doi.org/10.11896/jsjkx.200900150
    摘要 (311)   PDF (3930KB) (877)  
    工业互联网通过整合5G通信、人工智能等先进技术,将各类具有感知、控制能力的传感器与控制器融入工业生产过程,来优化产品生产工艺,降低成本,提高生产率。传统的云计算模式由于集中式部署的特点,计算节点通常离智能终端较远,难以满足工业领域对高实时性、低延迟的需求。边缘计算通过将计算、存储与网络等资源下沉到工业网络边缘,可以更加便捷地响应设备请求,满足工业互联网环境下智能接入、实时通信、隐私保护等关键需求,实现智能绿色通信。文中首先介绍了工业互联网的发展现状和边缘计算的相关概念,然后系统地论述了工业互联网边缘计算架构及推动工业互联网边缘计算发展的核心技术,最后总结了边缘计算在工业互联网领域的成功应用案例,并阐述了当下工业互联网边缘计算的现状与挑战。
    参考文献 | 相关文章 | 多维度评价
    2. 边缘计算中任务卸载研究综述
    刘通, 方璐, 高洪皓
    计算机科学    2021, 48 (1): 11-15.   https://doi.org/10.11896/jsjkx.200900217
    摘要 (274)   PDF (1452KB) (1575)  
    近年来,随着移动智能设备的普及以及5G等无线通信技术的发展,边缘计算作为一种新兴的计算模式被提出,作为传统的云计算模式的扩展与补充。边缘计算的基本思想是将移动设备上产生的计算任务从卸载到云端转变为卸载到网络边缘端,从而满足实时在线游戏、增强现实等计算密集型应用对低延迟的要求。边缘计算中的计算任务卸载是一个关键的研究问题,即计算任务应在本地执行还是卸载到边缘节点或云端。不同的任务卸载方案对任务完成时延和移动设备能耗都有着较大的影响。文中首先介绍了边缘计算的基本概念,归纳了边缘计算的几种系统架构。随后,详细阐述了边缘计算中的计算任务卸载问题。基于对任务卸载方案研究的必要性与挑战的分析,对现有的相关研究工作进行了全面的综述和总结,并对未来的研究方向进行了展望。
    参考文献 | 相关文章 | 多维度评价
    3. 物联网中多设备多服务器的移动边缘计算任务卸载技术综述
    梁俊斌, 田凤森, 蒋婵, 王天舒
    计算机科学    2021, 48 (1): 16-25.   https://doi.org/10.11896/jsjkx.200500095
    摘要 (368)   PDF (2195KB) (580)  
    随着物联网(Internet of Things,IoT)技术的快速发展,出现了大量具有不同功能的设备(如多种带不同传感器的智能家居设备、移动智能交通设备、智能物流或仓储管理设备等),它们相互连接,被广泛应用于智能城市、智慧工厂等领域。然而,这些物联网设备的处理能力有限,很难满足延迟敏感、计算密集型应用的需求。移动边缘计算(Mobile Edge Computing,MEC)的出现有效解决了这一问题。物联网设备可以将任务卸载到MEC服务器上,借助它们完成相应的计算任务。这些服务器通常由网络运营商部署在网络边缘,即靠近用户端的网络接入层,用于汇聚用户网络的网络层面。某一段时间内,物联网设备可能处于多个MEC服务器的覆盖区域中,多个设备共享服务器有限的计算和通信资源。在这个复杂环境下,制定一个任务卸载和资源分配方案,使得任务完成的时延或物联网设备的能耗达到最优化,是一个NP-难问题。目前,已有许多工作对这一问题进行了研究,并取得了一定的成果,但在实际的应用中仍面临着一些问题。为了更深入地推进该领域的研究,文中对近几年的最新研究成果进行了分析、归纳和总结,对比分析了它们的优缺点,并对未来的工作进行了展望。
    参考文献 | 相关文章 | 多维度评价
    4. 基于排队论的服务资源可用性相关研究综述
    张恺琪, 涂志莹, 初佃辉, 李春山
    计算机科学    2021, 48 (1): 26-33.   https://doi.org/10.11896/jsjkx.200900211
    摘要 (122)   PDF (1486KB) (755)  
    排队论在很多领域中解决了复杂的排队问题,文中首先对排队论的一般模型表示和常见模型进行了介绍。然后,简要对排队论解决的各类问题进行了归纳总结,重点对近年来有关排队论的服务资源可用性预测文献进行了综述,对排队模型在日常生活、云计算以及网络资源等场景中的应用进行总结。通过对文献进行综述找到服务与用户需求之间的关系,并对预测服务可用性的目的进行分类和总结归纳,包括对资源进行预测、合理规划以及分配资源、满足用户需求、缩短用户等待时间、提高系统可靠性等。通过对此类文献的总结,找出其存在的问题,并提出了改进方法和建议。最后,对基于排队论的服务资源可用性预测在推荐方面的应用进行趋势展望,并简要说明今后的研究方向和将要遇到的挑战。
    参考文献 | 相关文章 | 多维度评价
    5. 基于移动边缘计算的车载CAN网络入侵检测方法
    于天琪, 胡剑凌, 金炯, 羊箭锋
    计算机科学    2021, 48 (1): 34-39.   https://doi.org/10.11896/jsjkx.200900181
    摘要 (176)   PDF (2718KB) (572)  
    随着车联网技术的快速发展和广泛部署,其在为智能网联汽车提供互联网与大数据分析等智能化服务的同时,引入了网络入侵等安全与隐私问题。传统车载网络的封闭性导致现有的车载网络通信协议,特别是部署最为广泛的控制器局域网络(Controller Area Network,CAN)总线协议,在发布时缺少隐私与安全保护机制。因此,为检测网络入侵、保护智能网联汽车安全,文中提出了一种基于支持向量数据描述(Support Vector Data Description,SVDD)的车载CAN网络入侵检测方法。该方法提取单位时间窗内CAN网络报文ID的加权自信息量和ID的归一化值作为特征信息,并在移动边缘计算服务器处构建并训练SVDD模型,目标车辆基于训练的SVDD模型进行异常特征值识别,从而实现实时的车载CAN网络入侵检测。文中采用韩国高丽大学HCR实验室公开的CAN网络数据集,对所提方法与3种传统的基于信息熵的车载网络入侵检测方法在拒绝服务攻击和伪装攻击检测准确率方面进行了对比与分析。仿真实验结果表明,在少量报文入侵时,所提方法显著提高了入侵检测的准确率。
    参考文献 | 相关文章 | 多维度评价
    6. 一种基于深度强化学习与概率性能感知的边缘计算环境多工作流卸载方法
    马堉银, 郑万波, 马勇, 刘航, 夏云霓, 郭坤银, 陈鹏, 刘诚武
    计算机科学    2021, 48 (1): 40-48.   https://doi.org/10.11896/jsjkx.200900195
    摘要 (167)   PDF (4467KB) (584)  
    移动边缘计算是一种新兴的分布式和泛在计算模式,其将计算密集型和时延敏感型任务转移到附近的边缘服务器,有效缓解了移动终端资源不足的问题,显著减小了用户与计算处理节点之间的通信传输开销。然而,如果多个用户同时提出计算密集型任务请求,特别是流程化的工作流任务请求,边缘计算环境往往难以有效地进行响应,并会造成任务拥塞。另外,受任务负载、电力供给、通信能力的实时变化等不利因素的影响,边缘服务器本身的性能总是处于波动和变化中,从而为保证任务执行效能和用户感知服务效率带来了挑战。针对上述问题,文中提出了一种基于深度Q网络(DQN)与概率性能感知机制的边缘计算环境多工作流调度方法。首先对边缘云服务器的历史性能数据进行概率分析,然后利用获得的性能概率分布数据驱动DQN模型,不断迭代优化,生成多工作流的卸载策略。在实验验证环节,基于边缘服务器位置数据集、性能测试数据和多个科学工作流模板,在反映不同系统负载水平的多个场景下进行了模拟实验。实验结果表明,所提方法在多工作流执行效率方面明显优于传统方法。
    参考文献 | 相关文章 | 多维度评价
    7. 基于延迟接受的多用户任务卸载策略
    毛莺池, 周彤, 刘鹏飞
    计算机科学    2021, 48 (1): 49-57.   https://doi.org/10.11896/jsjkx.200600129
    摘要 (179)   PDF (2576KB) (432)  
    随着人工智能的应用对计算资源的要求越来越高,移动设备由于计算能力和存储能量有限而无法处理这类有实时性需求的计算密集型应用。移动边缘计算(Mobile Edge Computing,MEC)可以在无线网络边缘提供计算卸载服务,达到缩短时延和节约能源的目的。针对多用户依赖任务卸载问题,在综合考虑时延与能耗的基础上建立用户依赖任务模型,提出了基于延迟接受的多用户任务卸载策略(Multi-User Task Offloading Based on Delayed Acceptance,MUTODA),用于解决时延约束下最小化能耗的任务卸载问题。该策略通过非支配的单用户最优卸载策略和解决资源竞争的调整策略两个步骤的不断迭代,来解决多用户任务卸载问题。实验结果表明,相比基准策略和启发式策略,基于延迟接受的多用户任务卸载策略能够提高约8%的用户满意度,节约30%~50%的移动终端能耗。
    参考文献 | 相关文章 | 多维度评价
    8. 移动边缘计算中的动态用户分配方法
    唐文君, 刘岳, 陈荣
    计算机科学    2021, 48 (1): 58-64.   https://doi.org/10.11896/jsjkx.200900079
    摘要 (148)   PDF (3029KB) (484)  
    在边缘计算环境中,为用户匹配合适的服务器是一个关键问题,可以有效提升服务质量。文中将边缘用户分配问题转换为一个受距离和服务器资源约束的二分图匹配问题,并将其建模为一个0-1整数规划问题进行优化。在离线状态下,基于精确式算法的优化模型可以求得最优分配策略,但其求解时间过长,无法处理规模较大的数据,不适用于现实服务环境。因此,提出了基于启发式策略的在线分配方法,以在时间有限的情况下优化用户-服务器的分配。实验结果显示,基于近邻启发式的在线方法的竞争比能够接近100%,可以在可接受的时间范围内求得较优的分配解。同时,近邻启发式方法比其他基础启发式方法的表现更优秀。
    参考文献 | 相关文章 | 多维度评价
    9. 边缘计算场景中基于虚拟映射的隐私保护卸载算法
    余雪勇, 陈涛
    计算机科学    2021, 48 (1): 65-71.   https://doi.org/10.11896/jsjkx.200500098
    摘要 (126)   PDF (2098KB) (297)  
    随着移动边缘计算(Mobile Edge Computing,MEC)和无线充电技术(Wireless Power Transmission,WPT)的诞生和发展,越来越多的计算任务被卸载至MEC服务器以进行处理,并借助WPT技术为终端设备供电,以缓解终端设备计算能力受限和设备能耗过高的问题。由于卸载的任务和数据往往携带用户个人使用习惯等信息,因此将任务卸载到MEC服务器进行处理会导致新的隐私泄露问题。针对上述问题,文中首先对计算任务的隐私量进行定义,并设计了能够降低用户在MEC服务器累积隐私量的虚拟任务映射机制;然后,综合考虑映射机制与隐私约束的优化,提出了一种具有隐私保护效果的在线隐私感知计算卸载算法;最后,对仿真结果进行分析发现,所提卸载方法能够使用户累积隐私量保持在隐私阈值内,达到了隐私保护的效果,同时提高了系统计算速率,降低了用户计算时延。
    参考文献 | 相关文章 | 多维度评价
    10. 一种基于遗传算法的多边缘协同计算卸载方案
    高基旭, 王珺
    计算机科学    2021, 48 (1): 72-80.   https://doi.org/10.11896/jsjkx.200800088
    摘要 (221)   PDF (2314KB) (585)  
    边缘计算(Edge Computing,EC)作为云计算的补充,在处理 lOT 设备产生的计算任务时可以保证计算的延时符合系统的要求。针对在传统卸载场景中,由于计算任务到达存在空窗期导致异地边缘云存在空闲状态,造成异地边缘云利用不充分的问题,文中提出了一种基于遗传算法的多边缘与云端协同计算卸载模型(Genetic Algorithm-based Multi-edge Collaborative Computing Offloading Model,GAMCCOM)。该计算卸载方案联合本地边缘和异地边缘进行任务卸载,并采用遗传算法进行求解,从而得到同时考虑时延和能耗的最小的系统代价。通过仿真实验结果可知,在综合考虑卸载系统的时延消耗和能量消耗的情况下,该方案相比基本的三层卸载方案系统整体代价降低了23%,在只考虑时延消耗和只考虑能量消耗的情况下依然分别能够降低系统代价 17% 和 15%。因此针对边缘计算的不同卸载目标,GAMCCOM 卸载方案对系统代价均有比较优秀的降低效果。
    参考文献 | 相关文章 | 多维度评价
    首页 | 前页| 后页 | 尾页 第1页 共2页 共14条记录