基于SDN的CDN技术研究

介绍SDN部署CDN的有关研究与实现方案,分析固有缺陷,并以此提出一种基于SDN的CDN部署方案,通过增设内容资源调度层,根据网络状态高效处理应用请求,最后对可能的应用场景进行展望,该方案能够实现资源的高效传递,使现网具备灵活动态的多样化内容传递服务。     

一种组网雷达波束资源优化分配模型

针对空面目标组网雷达协同调度的资源优化分配问题,通过分析不同目标的重要性、RCS和跟踪质量对调度资源的差异化需求,以组网系统探测效益为优化目标,构造了一种基于波位调度的动态规划模型。利用改进的拍卖算法对该模型求解各雷达最优的波位分配,在满足不同类型目标对跟踪资源需求的同时,降低了组网系统总体波束资源的消耗。该方法解决了多雷达目标调度中资源分配和冲突消解的协同问题,降低了计算量,提高了时间和能量两种资源的合理分配和有效利用率,实现了组网系统高效的波束资源管理。通过仿真验证,证明了所提模型的正确性和算法的有效性。     

ASON光网格中基于GridFTP的资源并行调度机制

为解决面向应用驱动的网格资源动态分配,提出基于ASON的光网格模型,在此基础上提出面向GridFTP服务的并行网络资源调度机制.并行资源调度借助于光资源控制系统提供网格应用中并行通道数据传输,在网格应用驱动下实现网络资源的动态按需分配,提高了光资源利用效率及海量数据传输能力.通过构建基于ASON的光网格平台体系,执行DridFTP文件传输应用服务以验证所提模型和资源调度机制.     

按需供给的移动云计算动态安全服务

提出一套按需供给移动云计算安全服务解决方案,提升了云计算环境中安全资源的使用率,充分保障云服务的安全。该方案针对移动互联网环境,基于云计算提供服务的业务,满足不同用户、不同业务对安全的复杂、多变、多样化的安全需求,能够动态、实时地感知并分析安全态势、调整安全执行策略,尽可能地为用户降低安全支出成本,为不同用户、不同安全状态下的移动互联网业务提供差异化、高效的安全防护机制。     

基于遗传算法的通信卫星资源动态调度方法研究

随着卫星通信技术的持续发展,基于卫星通信的实际应用需求也日益复杂。为了更高效地处理不同体制网系之间的资源竞争,提高通信卫星资源的利用率,更大限度地满足卫星通信任务需求,提出了一种基于遗传算法的通信卫星资源动态调度方法。介绍了卫星资源动态调度所基于的通信任务的基本约束,并结合遗传算法阐述了资源动态调度具体实施过程,通过仿真实验将通信卫星资源的动态调度使用方式与静态分配使用方式进行了对比分析。仿真结果表明,在相同任务数和不同任务数的条件下,资源动态调度的使用方式都可以达到更高的资源利用率。     

无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法

该文针对无线虚拟化网络中业务的不确定和信息反馈的时延而引起虚拟资源分配不合理,提出一种基于自回归滑动平均(ARMA)预测的在线自适应虚拟资源分配算法。首先,该算法以保障虚拟网络队列上溢概率为目标对时频资源和缓存资源进行联合分配,并建立虚拟网络总成本最小化的理论分析模型。其次,考虑到虚拟网络对不同资源差异化的应用需求,设计了一种多时间尺度的资源动态调度机制,在长周期上基于ARMA模型的预测信息实现缓存资源的预留策略,在短周期上基于利用大偏差原理推导的队列上溢概率对虚拟网络优先级排序,并根据确定的优先级动态调度时频资源,从而满足各虚拟网络的业务需求。仿真结果表明,该算法可有效降低比特丢失率,同时提升物理资源的利用率。     

基于按需云服务的计算机工程教育虚拟实验室建设实践

为推动信息技术与本科教学和实践工作的深度融合,研究了建设基于云计算的按需服务虚拟实验室的方案。在分析现有虚拟教学需求的基础上,根据实验室建设目标和定位,阐述了虚拟仿真云服务平台、虚拟仿真实验教学资源管理、云终端应用等建设内容,从而高效管理实验教学资源,实现软硬件教学资源的共享,按需满足虚拟仿真实验教学的需求。     

移动边缘计算中分布式异构任务卸载算法

随着物联网(IoT)迅速发展,移动边缘计算(MEC)在提供高性能、低延迟计算服务方面的作用日益明显。然而,在面向IoT业务的MEC(MEC-IoT)时变环境中,不同边缘设备和应用业务在时延和能耗等方面具有显著的异构性,对高效的任务卸载及资源分配构成严峻挑战。针对上述问题,该文提出一种动态的分布式异构任务卸载算法(D2HM),该算法利用分布式博弈机制并结合李雅普诺夫优化理论,设计了一种资源的动态报价机制,并实现了对不同业务类型差异化控制和计算资源的弹性按需分配,仿真结果表明,所提的算法可以满足异构任务的多样化计算需求,并在保证网络稳定性的前提下降低系统的平均时延。     

可重构分组密码指令集处理器自动映射方法研究

计算资源与寄存器资源分配是可重构处理器自动并行映射的重要问题,该文针对可重构分组密码指令集处理器的资源分配问题,建立算子调度参数模型和处理器资源参数模型,研究了分组密码并行调度与资源消耗之间的约束关系;在此基础上提出基于贪婪思维、列表调度和线性扫描的自动映射算法,实现了分组密码在可重构分组密码指令集处理器上的自动映射.通过可用资源变化实验验证算法并行映射的有效性,并对AES-128算法的映射效果做了横向对比验证算法的先进性,所提自动映射算法对分组密码在可重构处理中的并行计算研究有一定的指导意义.     

6G通感算资源按需调配：一种基于场景识别的架构

通过集成全域网络资源及普适智能，6G网络有望为用户提供泛在的个性化服务。传统资源调配方案通常基于已知场景或普适场景，无法真正实现服务的按需响应。因此，首先分析用户主观需求及客观环境需求对按需资源调配的影响。其次，设计一个集成主观用户需求和客观环境需求的6G通感算资源按需调配架构。最后，讨论分析架构特点及可行性，为未来6G网络资源按需调配研究的发展和应用提供参考。     

可重构分组密码指令集处理器自动映射方法研究

计算资源与寄存器资源分配是可重构处理器自动并行映射的重要问题,该文针对可重构分组密码指令集处理器的资源分配问题,建立算子调度参数模型和处理器资源参数模型,研究了分组密码并行调度与资源消耗之间的约束关系;在此基础上提出基于贪婪思维、列表调度和线性扫描的自动映射算法,实现了分组密码在可重构分组密码指令集处理器上的自动映射。通过可用资源变化实验验证算法并行映射的有效性,并对AES-128算法的映射效果做了横向对比验证算法的先进性,所提自动映射算法对分组密码在可重构处理中的并行计算研究有一定的指导意义。     

有人无人网络化信息系统动态协同技术研究

为满足有人无人编队信息安全共享和体系化动态协同需求,构建动态通信网络,首先设计网络化高精度系统时间同步方案,利用网络链路综合管理策略和无线信道按需优选算法,时间同步精度可达百纳秒级;其次构建适用于机载网络的数据隐私保护和安全共享方案,实现有人无人编队通信数据安全防护,并对性能和安全性进行分析讨论,证明所提方案具有可证明的高安全强度;同时设计有人无人编队动态协同模型,对各节点进行实时发现、认证和撤销,并进行合法性身份验证,通过多机协同构建多目标信息获取最优化分配方案,利用差异化数据传输同步数据,节省网络资源,提升数据传输效率,满足有人无人分布式动态协同需求。     

基于SDN/NFV的未来网络实验平台

依据SDN/NFV集中管控、动态、灵活、高效、可编排等特点,提出了基于SDN/NFV技术的未来网络实验平台的构建方案.该平台主要采用OpenStack和OpenDaylight的开源架构,同时研发设计SDN跨域虚拟网络通信、虚拟网元管理以及网络服务编排三大关键技术,实现了底层异构资源的实时动态管理与开放共享.同时,根据实验用户对网络资源的需求,灵活按需编排各种网络资源与SFC服务,为用户提供端到端的网络实验验证服务.     

车联网中交通安全消息动态优先调度机制

车联网中两类交通安全消息共享有限控制信道带宽,在消息突发状态下无法保证事件触发消息的传播性能,导致预警失效.基于差异化的消息传播性能需求提出了一种动态优先级区分的调度机制,按事件优先级分别进行队列管理,赋予事件触发消息优先权,通过设置优先级调度阈值实现对事件触发消息的动态调度.当优先队列长度高于阈值时,其抢占调度时隙.当队列长度低于阈值一半,退出抢占过程,恢复非抢占优先调度方法.仿真显示,所提调度机制能够减小事件触发消息的端到端时延约1.3 ms,提高周期性消息的公平性约0.22.     

基于用户画像与关联规则的全域电力资源调度算法

为解决应用调度算法进行全域电力资源调度,资源剩余率依旧较高的问题,提出结合用户画像与关联规则的新型调度算法,实现全域电力资源的合理分配。运用双聚类算法,对整个调度区域内所有用户用电数据进行分析,构建电力用户画像从而描述用户用电个性化需求;以用户画像为基础,建立以满足用户需求为核心的全域资源分配模式;总结全域内资源调度子任务,计算不同子任务之间的支持度和置信度,结合关联规则实现子任务的分组;根据子任务组进行资源分域,在每个分域中设置二级调度中心,再与全域一级调度中心相连接,实现全域资源集中调度。实验结果表明,所提调度算法应用后,电力测试系统每日的全域资源剩余率出现了大幅降低,仅保持在12%左右。该算法具有较好的实际应用价值。     

TWDM-PON中带有业务区分的混合资源调度算法

针对时分波分复用无源光网络长距离和广覆盖特性带来往返时延增大,造成高优先级业务时延性能严重恶化的问题,提出带有业务区分的混合资源调度算法.根据网络负载实时调整光网络单元组的波长数以实现资源共享,并动态划分子周期以对不同优先级业务进行区分服务;设计混合资源调度算法,以在线方式填充波长空隙,以离线方式保障资源高效调度.仿真结果表明,所提算法能够满足不同优先级业务的时延要求,保证服务质量,并提高信道利用率.     

一种混合云环境下SLA约束的云资源调度方法北大核心

混合云提供了一种本地资源不足以向公有云申请资源的灵活做法,但使用哪一个公有云服务或者如何选择公有云服务需要仔细斟酌。提出一种基于SLA约束的云资源调度方案。该方案将向外部云调度的关键SLA度量看作用户的满意度和最低代价,并将这些SLA分量进行量化比较,以动态调整内部云资源无法服务而需要向外调度资源的情况。实验结果表明,该方案能够实现成本和实时性的最大满意度。     

车载边缘计算中任务卸载和服务缓存的联合智能优化

针对车载环境下有限的网络资源和大量用户需求之间的矛盾,提出了智能驱动的车载边缘计算网络架构,以实现网络资源的全面协同和智能管理。基于该架构,设计了任务卸载和服务缓存的联合优化机制,对用户任务卸载以及计算和缓存资源的调度进行了建模。鉴于车载网络的动态、随机和时变的特性,利用异步分布式强化学习算法,给出了最优的卸载决策和资源管理方案。实验结果表明,与其他算法相比,所提算法取得了明显的性能提升。     

应用Variable-Tail编码压缩的测试资源划分方法

测试资源划分是降低测试成本的一种有效方法.本文提出了一种新的有效的对测试数据进行压缩的编码:Variable-Tail编码,并构建了基于该编码的测试资源划分方案.文章的理论分析和实验研究表明了采用Variable-Tail编码能取得比Golomb编码更高的压缩率,针对多种模式下的测试向量均能提供很好的压缩效果,解码器的硬件也较易实现.文章还提出了一种整合不确定位动态赋值的测试向量排序算法,该算法可以进一步提高测试压缩率.文章最后用实验数据验证了所提编码和排序算法的高效性.     

算网资源智能适配与融合调度方法

为有效支撑网络和计算深度融合的发展需求,新型的算力网络架构应运而生。在此背景下,如何实现算网资源的智能感知以及计算任务的高效调度,是当前网络需要解决的关键问题。为此,分析了面向算网融合的新型网络场景,设计了计算任务与算力节点的调度模型,提出了一种基于深度强化学习的资源调度算法。所提算法通过感知用户设备、算网资源可用容量和链路状态等关键信息,能够智能地做出系统成本最小的调度决策。最后,通过仿真实验验证了所提算法在节约系统成本方面的有效性。