徐佳
- 作品数：8 被引量：78H指数：5
- 供职机构：安徽大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 移动边缘计算中能耗优化的多重资源计算卸载策略被引量：25
- 2019年
- 移动边缘计算环境中边缘设备的能耗优化主要采用计算卸载策略。然而目前常用的计算卸载策略大多只考虑单一的计算资源,没有对移动边缘计算环境中不同种类的计算资源进行综合考虑,无法在保证响应时间约束的情况下充分降低边缘设备能耗。为了解决这一问题,在移动边缘计算环境中提出一种多重资源计算卸载能耗模型,设计了一种新的评价边缘设备能耗的适应度计算方法,并结合工作流管理系统提出了移动边缘计算中能耗优化的多重资源计算卸载粒子群任务调度算法,该算法能够在考虑响应时间约束的情况下,充分降低移动终端能耗。实验表明,与已有4种计算卸载策略相比,新策略所对应的任务调度算法收敛稳定、适应度最优,在用户响应时间约束下,任务调度方案的边缘设备能耗值优于其他4种卸载策略。
- 徐佳李学俊丁瑞苗刘晓
- 关键词：工作流调度能耗优化
- 基于鲁棒优化的供应链联合补货策略被引量：5
- 2019年
- 供应链管理中的客户需求不确定性会导致需求信息偏差逐级放大的"牛鞭效应",但目前常用的供应链管理策略为供应商管理库存,没有考虑需求不确定的影响。为此,在单个供应商、多个零售商需求不确定的情况下,结合鲁棒优化法提出一种联合补货策略进行库存管理。构建一个非线性混合整数规划模型以计算两级供应链的总成本,通过总成本的变化来反映供应链系统的性能,采用鲁棒优化法求解供应链系统的最小总成本,并使用外部和内部两层迭代算法获得供应商和零售商的补货周期及补货数目。实验结果表明,与传统的供应链策略ERI和AR相比,该策略可有效降低供应链系统的总成本。
- 周思雨李学俊徐佳叶春森
- 关键词：供应链管理供应商管理库存鲁棒优化
- 基于动态定价组合反向拍卖的云工作流系统资源分配机制被引量：1
- 2017年
- 为了引入动态定价机制、动态调整资源价格以提高资源提供商的竞争力,将动态定价组合反向拍卖方法引入云工作流资源分配中,设计了适于云工作流系统的组合反向拍卖模型,提出动态定价组合反向拍卖算法。通过基因序列工作流Epigenomics进行对比实验,结果表明固定价格时组合反向拍卖的时间费用之积和拍卖次数比反向拍卖分别平均降低60%和17%,组合反向拍卖中动态定价的时间费用之积比固定价格平均降低63%,资源利用率平均提高69%。
- 李学俊陈千刘祥俊钟云香徐佳朱二周
- 关键词：云计算资源分配反向拍卖
- 无人机配送系统中端边协同的并行任务调度算法被引量：6
- 2021年
- 在无人机最后一公里配送场景中,现有的云计算架构存在高时延问题,无法满足人工智能应用的执行需求。边缘计算架构通过将计算资源下沉到边缘,以其低时延、高计算能力的特点,可以满足人工智能应用的需求。但是目前的研究大多局限于单个边缘服务器,缺少并行协同框架的设计。为了解决该问题,本文首先根据移动边缘计算环境和无人机最后一公里配送过程的特点,充分考虑边缘服务器的计算负载问题,设计了基于端边协同的多边缘服务器并行任务处理框架;然后在该框架上对最短响应时间优先的任务调度算法进行改进,设计了α-SSLF算法。该算法能够考虑在网络实时数据率不稳定的情况下,充分优化任务执行时间。结果表明,基于端边协同的多边缘服务器并行任务处理框架在处理时延上优于传统的串行任务处理框架。
- 周博文黄海军徐怡李学俊高寒陈天翔刘晓徐佳
- 关键词：任务调度并行计算
- 云工作流系统中能耗感知的任务调度算法被引量：9
- 2016年
- 云工作流系统研究集中在工作流任务执行的时间效率优化,然而时间最优的任务调度方案可能存在不同能耗,因此,文中求解满足时间约束时能耗最优的调度方案.首先改进任务执行能耗模型,设计适用于评价任务调度方案执行能耗的适应度计算方法.然后基于精准调整粒子速度的自适应权重,提出解决任务调度能耗优化问题的自适应粒子群算法.实验表明,文中算法收敛稳定,调度方案执行能耗较低.
- 李学俊徐佳王福田朱二周吴蕾
- 关键词：云计算工作流调度粒子群优化惯性权重
- 移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略被引量：10
- 2020年
- 深度神经网络因其强大的数据分析功能而被广泛使用在移动智能应用中,然而其计算任务的复杂性给计算能力与电池容量均有限的终端设备带来了巨大的挑战。若将深度神经网络中的计算任务完全卸载到云端,则会产生较高数据传输时延。移动边缘计算因其低时延、分布式、位置感知的优势能有效解决深度神经网络的时延和能耗问题。为了在保证用户时间约束的同时,充分优化终端设备能耗,建立了移动边缘计算环境中深度神经网络计算任务卸载的时间和能耗评价模型,基于该模型提出了移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略。该策略以神经网络层为单位,将深度神经网络中的计算任务进行拆分,在计算任务卸载时,对移动边缘计算环境中多重计算资源进行综合考虑。最后,提出了移动边缘环境中基于多重资源任务卸载的粒子群调度算法,该算法能在满足时间约束的同时,充分优化终端设备能耗。实验表明,与已有的3种任务卸载策略相比,新策略对应的粒子群调度算法所得适应度值最优,满足时间约束下,终端设备的能耗值最低。
- 高寒李学俊周博文刘晓徐佳
- 关键词：能耗优化
- 移动边缘计算环境下基于信任模型的可靠多重计算卸载策略被引量：4
- 2020年
- 移动边缘计算环境下的计算卸载技术有助于解决移动终端在资源存储、计算性能等方面的不足。然而,在拥有大量计算资源的移动边缘计算环境中,边缘服务器、移动终端以及网络通信链路的不可靠性不可避免,而应用任务的执行失败对工作流任务调度将造成极大的影响。针对上述问题,首先借鉴社会学中的人际关系模型,同时考虑移动边缘计算环境下应用任务执行的特点,利用Bayes方法对移动终端、边缘服务器和云服务器的可信度分别进行评估,构建了移动边缘计算环境下各类计算资源之间的信任关系模型。其次,结合信任模型和基于多重计算卸载策略的时间开销计算方法,设计了评价计算卸载策略可靠性以及时间开销的适应度计算方法,提出了基于信任模型的可卸载边缘服务器选择算法。最后,结合工作流管理系统提出了移动边缘计算环境下基于信任模型的可靠多重计算卸载策略。通过仿真实验,证明了所提出的基于信任模型的可靠多重计算卸载策略算法能够以较小的时间开销为代价,有效提升应用任务的执行成功率。
- 齐平齐平徐佳徐佳
- 关键词：资源分配信任评估工作流
- 任务调度算法中新的自适应惯性权重计算方法被引量：27
- 2016年
- 粒子群算法(particle swarm optimization,PSO)是解决云计算环境中工作流系统的任务调度优化问题的主流智能算法.然而基于传统自适应惯性权重的粒子群任务调度算法易陷入局部最优,导致调度方案的执行时间与费用较高.因此,通过改进单个粒子的成功值计算方法,提出了一种新的自适应惯性权重计算方法 NAIWPSO(new adaptive inertia weight based particle swarm optimization).该方法通过比较每个粒子的适应度与全局最优值,可以更加精确描述粒子状态,进而提高了权重的自适应性.在新惯性权重基础上,提出了一种解决云工作流系统中任务调度优化问题的改进粒子群算法.新权重可以更准确的调整粒子速度,使算法更好地平衡粒子全局与局部搜索,避免陷入局部最优,获得执行费用更优的调度方案.实验表明,与5种已有惯性权重算法比较,新算法收敛稳定、适应度最低、执行费用平均减少18%.
- 李学俊徐佳朱二周张以文
- 关键词：工作流任务调度粒子群算法惯性权重
