栏目文章

Select

1. 主动式微服务细粒度弹性缩放算法研究

彭凯, 马芳玲, 徐博, 郭佳璐, 胡梦兰

计算机工程与应用 2024, 60 (8): 274-286. DOI: 10.3778/j.issn.1002-8331.2303-0543

摘要（14）

PDF（pc）（876KB）（23）

微服务架构已成为云数据中心的基本服务架构。但目前关于微服务系统弹性缩放的研究大多是基于服务或实例级别的水平缩放，忽略了能够充分利用单台服务器资源的细粒度垂直缩放，从而导致资源浪费。为此，设计了主动式微服务细粒度弹性缩放算法。算法通过预测请求到达率对系统进行资源预配置。基于预测结果，应用平方根配置规则计算需求资源数量，进而利用垂直缩放的细粒度资源控制特性和水平缩放的高可用性对微服务进行伸缩。应用基于微服务依赖关系的实例迁移算法进一步降低资源开销。实验结果表明，提出的算法在优化微服务系统时延和开销方面取得了显著效果。

参考文献 | 相关文章 | 多维度评价

Select

2. 融合自注意力和图卷积的多视图群组推荐

王永贵, 王芯茹

计算机工程与应用 2024, 60 (8): 287-295. DOI: 10.3778/j.issn.1002-8331.2304-0035

摘要（18）

PDF（pc）（604KB）（25）

为了解决大多数现有的群组推荐仅仅从群组和用户的单一交互中学习群组表示，以及固定融合策略难以动态调整权重的问题。提出了一种融合自注意力和图卷积的多视图群组推荐模型（MVGR），设计了成员级、项目级和组级三个不同的视图，来捕捉群组、用户和项目三者之间的高阶交互信息，缓解数据稀疏问题，增强群组表示建模过程；对于项目级视图，利用基于二分图的图卷积神经网络来学习群组偏好向量以及项目嵌入；进一步提出了自适应融合组件来动态调整不同视图权重，得到最终的群组偏好向量。在两个真实数据集上的实验结果表明，与基线模型相比，MVGR模型的命中率（HR）和归一化折损累计增益（NDCG）在Mafengwo数据集上平均提高了8.89个百分点和1.56个百分点，在CAMRa2011数据集上平均提高了2.79个百分点和2.7个百分点。

参考文献 | 相关文章 | 多维度评价

Select

3. 协作处理任务的多无人机辅助移动边缘计算

曹慧娟, 余庚花, 陈志刚

计算机工程与应用 2024, 60 (4): 298-305. DOI: 10.3778/j.issn.1002-8331.2301-0145

摘要（56）

PDF（pc）（2281KB）（42）

随着通信技术的发展，移动边缘计算（mobile edge computing, MEC）被认为是处理计算密集型和延迟敏感任务的关键技术，然而在灾难响应、紧急救援等情景中，边缘服务器无法快速部署并提供任务处理服务。无人机（unmanned aerial vehicle, UAV）辅助MEC以其部署简便、机动性强的特点受到关注。但是UAV的计算资源和能量有限，如何进行资源分配成为难题。针对该问题，提出了一种高效利用资源的多UAV协作策略（LUAVs-Cor）。该策略通过多UAV协作的方式动态处理任务，为了充分利用UAV空闲的计算资源，通过搜索最优任务组合的方式确定任务传输策略。此外，通过估计UAV处理能力、任务数量及处理情况优化UAV派遣数量，实现了UAV的动态部署并减少了能量消耗。通过大量仿真实验得出，LUAVs-Cor策略的服务容量提升了约6.8%，UAV整体能耗降低了10.3%。提出的LUAVs-Cor策略中无人机的协作代价较小，实现在较低的能耗代价下为更多用户服务。

参考文献 | 相关文章 | 多维度评价

Select

4. 多任务联合学习的图卷积神经网络推荐

王永贵, 邹赫宇

计算机工程与应用 2024, 60 (4): 306-314. DOI: 10.3778/j.issn.1002-8331.2303-0508

摘要（53）

PDF（pc）（2409KB）（35）

基于图神经网络的协同过滤推荐可以更有效地挖掘用户项目之间的交互信息，但其性能依然受到数据稀疏和表征学习质量不高问题的影响，因此提出一种多任务联合学习的图卷积神经网络推荐（multi-task joint learning for graph convolutional neural network recommendations, MTJL-GCN）模型。利用图神经网络在用户-项目交互图上所聚集到的同质结构信息与初始嵌入信息形成结构邻居关系，设计节点邻居关系的对比学习辅助任务来缓解数据稀疏问题；向节点的原始表征添加随机的统一噪声进行表征级数据增强，构建节点表征关系的对比学习辅助任务，并提出直接优化对齐性和均匀性两个属性的学习目标来提高表征学习质量；将图协同过滤推荐任务与对比学习辅助任务和直接优化学习目标进行联合训练，从而提升推荐性能。在Amazon-books和Yelp2018两个公开数据集上进行实验，该模型在Recall@k和NDCG@k两个推荐性能指标上的表现均优于基线模型，证明了MTJL-GCN模型的有效性。

参考文献 | 相关文章 | 多维度评价

Select

5. 融合时间感知与兴趣偏好的推荐模型研究

唐潘, 汪学明

计算机工程与应用 2023, 59 (24): 268-276. DOI: 10.3778/j.issn.1002-8331.2212-0386

摘要（47）

PDF（pc）（644KB）（32）

针对传统的推荐模型无法挖掘用户细粒度兴趣偏好的问题，提出了一种融合时间感知与兴趣偏好的推荐模型（TAIP）。在TAIP模型中，将用户交互的时间间隔信息作为辅助信息引入到序列嵌入矩阵中，并设计多尺度时序卷积网络与通道和空间注意力机制精准地提取细粒度短期偏好，同时采用Transformer编码器挖掘目标项目与用户兴趣之间的长期偏好，最后利用全连接网络实现全局特征融合提供推荐。在公开数据集MovieLens-1M和YELP上进行实验，实验结果表明TAIP模型在HR、NDCG和MRR评价指标上相较于其他模型至少提升了4.84%和1.38%，具有更佳的推荐性能，验证了TAIP模型的有效性。

参考文献 | 相关文章 | 多维度评价

Select

6. 以CodeBERT为基础的代码分类研究

成思强, 刘建勋, 彭珍连, 曹奔

计算机工程与应用 2023, 59 (24): 277-288. DOI: 10.3778/j.issn.1002-8331.2209-0402

摘要（67）

PDF（pc）（702KB）（56）

随着代码大数据的不断发展，代码库中的源代码数量逐渐增长。如何快速有效地对代码库中的代码进行分类管理，对软件工程的发展具有十分重要的意义。第一次将预训练模型引入代码分类研究，并提出了一种优化的代码分类方法CBBCC。CBBCC采用wordpiece对源代码进行数据预处理。采用CodeBERT预训练模型对源代码进行特征表征。在预训练模型的基础上进行分类任务的微调。为了验证所提模型的有效性，在POJ104数据集上进行实验分析。实验结果表明，相对于7种基准模型，CBBCC模型各项分类指标都在98%以上。其中准确率上比目前最优模型提高了1.1个百分点，达到了POJ104代码分类数据集上分类任务的SOTA值。CBBCC能有效地对代码进行标注，提高对开源社区源代码的管理，促进软件工程领域的发展。

参考文献 | 相关文章 | 多维度评价

Select

7. 领域对抗自适应的短任务负载预测模型

刘春红, 焦洁, 王敬雄, 李为丽, 张俊娜

计算机工程与应用 2023, 59 (24): 289-297. DOI: 10.3778/j.issn.1002-8331.2211-0036

摘要（21）

PDF（pc）（817KB）（24）

负载预测的精度是影响云平台弹性资源管理的主要因素之一。而云平台中存在着大量的短任务负载序列，其历史信息不足和不平滑的特性导致难以选择合适的模型进行精准预测。对此提出了一种领域对抗自适应的短任务负载预测模型。该模型采用奇异谱分析（singular spectrum analysis，SSA）对样本进行平滑处理；联合第四版本的Mueen相似度搜索算法（the fourth version of Mueen’s algorithm for similarity search，MASS_V4）与时间特征进行域间相似性计算，获得合适的源域数据来辅助迁移预测；将门控循环单元（gated recurrent unit，GRU）作为基准器构建网络，并利用Y差异定义新的损失函数，通过对抗过程建立出表征能力强的短任务负载预测模型。将所提方法在两个真实的云平台数据集上与其他常用的云负载预测算法对比，均表现出较高的预测精度。

参考文献 | 相关文章 | 多维度评价

Select

8. 边缘计算中多服务器协同任务缓存策略

马世雄, 葛海波, 宋兴

计算机工程与应用 2023, 59 (20): 245-253. DOI: 10.3778/j.issn.1002-8331.2211-0238

摘要（67）

PDF（pc）（690KB）（58）

针对边缘服务器有限的计算、存储资源与大量用户任务请求之间的矛盾，设计了基于多服务器协同的边缘计算任务缓存网络架构，该架构中边缘服务器可以在内存中缓存并执行用户任务，未缓存的任务放在云端执行。结合用户任务请求时变和邻近区域用户更倾向于请求相似任务的特点，提出一种基于改进Soft Actor-Critic的多服务器协同任务缓存算法（MSAC）。该算法以最小化用户平均任务执行时延为目标，为避免反复选择同一动作而收敛于局部最优，引入最大熵模型来鼓励边缘服务器探索最优动作。通过设计经验共享机制，收集并学习本地边缘服务器和相邻服务器的经验以优化任务缓存策略。仿真结果表明，与最高流行度算法、独立SAC算法、DQN算法、遗传算法相比，所提出的MSAC算法在降低用户任务平均执行时延方面的效果最好。

参考文献 | 相关文章 | 多维度评价

Select

9. 结合微聚类和主动学习的流分类方法

尹春勇, 陈双双

计算机工程与应用 2023, 59 (20): 254-265. DOI: 10.3778/j.issn.1002-8331.2210-0230

摘要（30）

PDF（pc）（1058KB）（31）

数据流分类是数据挖掘中重要的研究内容，但是数据流中的概念漂移和标记成本昂贵的问题给分类带来了巨大的挑战。现有的研究工作大多采用基于主动学习的在线分类技术，一定程度上缓解了概念漂移和有限标签的问题，但是这些方法的分类效率较低，并且忽略了内存开销的问题。针对这些问题提出了一种结合微聚类和主动学习的流分类方法（a data stream classification method combining micro-clustering and active learning，CALC）。提出一种新的主动学习混合查询策略，将其与基于错误的表示学习相结合，从而在维护过程中衡量每个微聚类的重要性，通过动态维护一组微聚类以适应数据流中产生的概念漂移。采用基于微聚类的惰性学习方法，实现对数据流的分类，并完成对缓存微聚类的在线更新。使用三个真实数据集和三个人工合成数据集进行实验，结果显示CALC在分类准确率和内存开销方面优于现有的数据流分类算法。与基准模型（online reliable semi-supervised learning on evolving data streams，ORSL）相比，CALC的分类准确率有一定的提升，在六个数据集上的平均准确率分别提高了5.07、2.41、1.04、1.03、3.47、0.64个百分点。

参考文献 | 相关文章 | 多维度评价

Select

10. HDFS分级存储系统元数据管理方法的研究

刘晓宇, 夏立斌, 姜晓巍, 孙功星

计算机工程与应用 2023, 59 (17): 257-265. DOI: 10.3778/j.issn.1002-8331.2211-0230

摘要（66）

PDF（pc）（5727KB）（32）

随着高能物理实验规模的不断扩大和实验复杂度的提高，研究人员正面临海量数据存储的挑战，考虑到成本、能耗、存储周期及运维管理等问题，具有存储容量大、成本低特点的磁带库成为高能物理领域海量存储系统中必不可少的选择。但HDFS现有异构存储研究不支持磁带库存储，无法满足高能物理Hadoop平台海量实验数据持久化和备份过程对于存储系统高性价比的需求。针对上述问题，为了构建支持磁盘-磁带存储的HDFS分级存储系统，使磁带层文件在HDFS中无缝融合，为用户提供统一的文件系统命名空间，调研了分布式文件系统元数据管理方法，在此基础上设计实现了HDFS分级存储系统中统一的元数据管理方法。该方法通过重新设计内存文件元数据结构，构建分级存储系统统一的内存目录树并实现其访问管理和可靠性保障，完成分级存储系统中不同层级文件元数据的集中统一管理。测试结果表明，该方法实现了分级存储系统异构资源上文件元数据的统一管理，提供了高效的元数据操作。基于该方法构建的分级存储系统可靠性高，在对不同规模大小的文件读写时，其读写吞吐量较优于高能物理领域传统分级存储系统EOSCTA。

参考文献 | 相关文章 | 多维度评价

Select

11. 融合关系感知与时间注意的时序知识图谱补全

许智宏, 毛琛, 王利琴, 董永峰

计算机工程与应用 2023, 59 (17): 266-274. DOI: 10.3778/j.issn.1002-8331.2210-0266

摘要（68）

PDF（pc）（3433KB）（51）

针对现有时序知识图谱补全方法大多将时间信息内嵌于三元组中，依赖静态知识图谱补全方法学习实体特征，无法全面考虑图谱结构信息和时序信息的问题，提出一种融合关系感知与时间注意的时序知识图谱补全方法（incorporating relational awareness and temporal attention for temporal knowledge graph completion，RATA）。一方面，通过引入关系感知聚合机制的图卷积神经网络集成实体和关系特征，特定于关系的参数可以增强消息函数的表达能力，封装更加丰富的邻域上下文信息；另一方面，使用融合自注意力机制的长短期记忆网络学习蕴含在时序数据中的全局特征和局部特征。在ICEWS18、ICEWS14、YAGO和WIKI数据集上的实验结果表明，RATA模型在MRR、Hits@1、Hits@3和Hits@10上普遍优于基线模型，在大规模时序数据集上具有优势。

参考文献 | 相关文章 | 多维度评价

Select

12. 微服务架构磁带库存储系统设计与实现

刘晓宇, 夏立斌, 姜晓巍, 孙功星

计算机工程与应用 2023, 59 (15): 253-263. DOI: 10.3778/j.issn.1002-8331.2206-0067

摘要（81）

PDF（pc）（777KB）（60）

建立具有磁带存储层的HDFS分级存储系统是完善高能物理领域Hadoop生态系统的重要部分，但高能物理领域传统的磁带存储管理系统（如Castor、CTA）上层不支持HDFS磁盘存储，并且随着高能物理数据量的急剧增长、互联网技术的不断发展和用户需求的迅猛变化，传统的磁带存储管理系统逐渐呈现出系统扩展、负载均衡、开发和运维成本上升等方面的问题。设计开发了基于微服务架构的磁带存储管理系统。该系统向上支持HDFS磁盘存储，将磁带库资源管理、文件传输、磁带读写等功能以微服务的形式分布到各个服务实例中，达到分散服务压力的目的，并且系统针对传统负载算法效率不佳的问题，实现了基于服务器响应指数的负载均衡算法，通过根据自定义参数计算得到的服务器响应指数对其进行排序，保证将用户请求调度到响应指数最高的服务器进行处理。实验结果表明，磁带库存储系统满足HDFS文件分级存储磁带层管理的需求，提出的基于服务器响应指数的负载均衡算法相较于轮询算法，系统归档性能高出6%以上，提取性能高出64%以上；相较于随机算法，系统归档性能高出9%以上，提取性能高出64%以上，最终实现的磁带库存储系统表明，与传统的系统相比，微服务体系结构能够实现系统中组件的解耦和分布式负载的平衡，在系统开发和运维等方面更为便捷。

参考文献 | 相关文章 | 多维度评价

Select

13. 融合社交信息的多图神经网络会话推荐方法

雷景生, 李冉, 杨胜英, 史文彬

计算机工程与应用 2023, 59 (15): 264-273. DOI: 10.3778/j.issn.1002-8331.2209-0083

摘要（51）

PDF（pc）（647KB）（35）

在推荐系统中，用户对于项目的兴趣是动态变化的且会受到自身历史行为以及朋友行为等多种因素的影响。而如何对用户的动态兴趣以及社交关系进行共同建模一直是推荐算法的一个挑战。通过将用户的行为分割为会话序列，并建模为全局图来探索用户的动态兴趣。之后根据用户的社交关系构建社交关系图，再通过图注意力网络捕获用户社交关系的影响，动态确定每个朋友的影响力，并将用户的动态兴趣与朋友的社交影响结合以得到最终的推荐结果。算法在Douban、Delicious和Yelp数据集上进行了验证，相较最优的基线模型，算法在Douban数据集各项指标上提高超过6个百分点，在Delicious和Yelp数据集各项指标上提高超过3个百分点，证明了算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

14. 基于图卷积自注意力机制的神经协同推荐算法

王巍, 杜雨晅, 郑小丽, 张闯

计算机工程与应用 2023, 59 (13): 247-258. DOI: 10.3778/j.issn.1002-8331.2206-0190

摘要（83）

PDF（pc）（826KB）（82）

随着信息技术的快速迭代发展，信息过载问题日益严重，推荐算法在一定程度上可以解决信息过载，但是传统推荐算法无法有效解决数据稀疏性和推荐准确性等相关问题。提出一种基于注意力的图卷积神经协同推荐方法（GCACF）。获取用户和项目的相关交互信息，并将其转换为相应的特征向量；将特征向量使用图卷积神经网络的传播方式聚合本地化信息，同时使用注意力机制重新分配聚合后的权重系数；最后将聚合后的特征向量使用BPR损失函数优化相关参数并得出最终推荐结果。在MovieLens-1M和Amazon-baby两个公开数据集进行对比实验，结果表明，GCACF在准确率、召回率、Mrr、命中率和NDCG五个指标上均优于基线方法。

参考文献 | 相关文章 | 多维度评价

Select

15. 使用图神经网络选择并行查询的执行计划

陶温霞, 牛保宁, 柳浩楠

计算机工程与应用 2023, 59 (13): 259-265. DOI: 10.3778/j.issn.1002-8331.2208-0300

摘要（70）

PDF（pc）（521KB）（39）

查询作为数据库系统（database system，DBS）占比最大的操作，其效率在很大程度上影响着DBS的性能，为查询选择一个较优的执行计划、提高查询效率是提高DBS效率的关键。查询执行受到其他查询的影响产生查询交互（query interaction，QI），是查询优化器难以为并行查询选择较优执行计划的主要因素。提出一种以操作为单位表示查询执行计划的编码方式（features of plans based on operator，FPO），并用操作之间的数据共享关系以及资源竞争关系反映QI；在此基础上，提出基于图神经网络的查询执行计划选择模型（plan selection based on graph，PSG）。PSG将操作作为节点，操作特征作为节点特征，操作间的关系作为边，生成异构图，作为模型的输入；考虑到操作间的关系有多种、作用不同，使用关系图卷积网络（relational graph convolutional network，RGCN）聚合信息，得到查询组合的图表示，提取其QI，通过全连接层（fully connected layers，FC），为查询选择执行计划。在PostgreSQL上的实验表明，PSG的平均准确率比查询优化器提高了47.3个百分点。

参考文献 | 相关文章 | 多维度评价

Select

16. 基于用户兴趣感知的多关系推荐模型

胡新荣, 邓杰文, 罗瑞奇, 刘军平, 朱强, 彭涛

计算机工程与应用 2023, 59 (11): 231-240. DOI: 10.3778/j.issn.1002-8331.2206-0148

摘要（83）

PDF（pc）（782KB）（51）

由于图卷积网络（GCN）能够利用高阶邻居的协作信号来更好地学习用户和项目的嵌入，它已经广泛应用于推荐系统。但在当前基于GCN的多关系推荐模型中用户节点的嵌入学习会受到与之兴趣不相似的高阶相邻用户的干扰，导致拥有不同兴趣的用户经过多层图卷积后会得到相似的嵌入，从而产生了过度平滑问题。因此针对上述问题提出了一个基于用户兴趣感知的多关系推荐模型（IMRRM）。该模型会在用户项目异构交互图中利用轻量化的图卷积网络得到每个用户的图形结构信息。子图生成模块利用用户的图结构信息和初始特征有效地识别出兴趣相似的用户，并将相似用户及其交互项目组成一个子图。通过在子图中进行深层嵌入学习来防止兴趣不相关的高阶邻居传播更多的负面信息从而得到更精确的用户嵌入。因此IMRRM模型减少了噪声信息对用户节点嵌入学习的影响，有效地缓解了过度平滑问题来更加准确地进行多关系推荐。通过在Beibei和Taobao这两个公共数据集上实验来验证IMRRM的有效性和鲁棒性。实验结果表明，IMRRM模型在HR10上分别提高了1.98%和1.49%，在NDCG10上分别提高了1.58%和1.81%，具有较好的性能。

参考文献 | 相关文章 | 多维度评价

Select

17. 融合文本主题的异构网络学术刊物推荐方法

王冰源, 刘柏嵩, 张雪垣, 钦蒋承, 董倩, 钱江波

计算机工程与应用 2023, 59 (11): 241-250. DOI: 10.3778/j.issn.1002-8331.2207-0502

摘要（68）

PDF（pc）（749KB）（43）

学术大数据的高速膨胀为学术工作者高效选择有效学术信息带来了巨大挑战，运用学术刊物推荐以应对学术信息过载是主流方式之一。此研究专门解决如何为论文手稿高效推荐合适投稿期刊这一问题。引入学术异构信息网络，融合论文文本主题信息，提出一种新的学术刊物推荐方法（SCVR）。借助主题模型建模论文摘要和标题等文本内容提取主题信息，指导不同类型节点映射到多主题特征空间；将元路径上下文信息聚合到目标节点，形成了多跳元路径下节点的多主题表示；将不同元路径下形成的节点向量进行融合，实现每个节点多元元路径下的多主题表示。SCVR利用节点文本内容和网络结构学习节点多主题表示，完成学术刊物推荐。在两个真实学术数据集上的测试发现，提出了一种基于异构信息网络且融合文本主题信息的学术刊物推荐方法，在相同条件下，SCVR的推荐效果比仅基于异构信息网络的推荐结果在Precision和NDCG上平均提高了2.7%，且比经典学术刊物推荐方法平均高了19%，说明SCVR在学术刊物推荐领域有更优良的性能。

参考文献 | 相关文章 | 多维度评价

Select

18. 采用分段特征表示的异常序列检测算法

宋春雷, 赵旭俊, 高亚星, 晋广印

计算机工程与应用 2023, 59 (9): 262-271. DOI: 10.3778/j.issn.1002-8331.2205-0271

摘要（87）

PDF（pc）（820KB）（83）

时间序列的有监督异常检测方法通常依赖于数据的标签，不仅会消耗大量时间进行数据标注，而且难以适用于无法给定标签的数据集。为解决异常序列检测中的标注问题，提出一种采用分段特征表示的异常序列检测方法。该方法采用分段聚合思想对时间序列进行标准化计算，并得到时序数据的特征表示，可提高无标签时间序列异常检测的可靠性。将表示后的特征划分为异常序列相关特征和无关特征，剪枝异常序列无关特征，可减少这些特征对检测结果的不利影响。为有效量化不同序列之间的差异性，提出一种面向时间权重分析的时间序列相似性度量方法，并构建时间序列的相似度矩阵，用于计算序列之间的相似度，可适用于无标签的时间序列中。在此基础上，根据相似度矩阵来计算每个子序列的异常分数，将其用于异常子序列的判定。通过合成数据集和真实数据集的实验对比表明：该方法节省了计算开销，提高了算法运行的时间效率和异常序列检测的准确率。

参考文献 | 相关文章 | 多维度评价

Select

19. 融合双层注意力机制的群组偏好融合策略研究

梅雨竹, 胡竹林, 朱欣娟

计算机工程与应用 2023, 59 (9): 272-279. DOI: 10.3778/j.issn.1002-8331.2205-0437

摘要（136）

PDF（pc）（532KB）（76）

当前推荐系统研究热点及其演变趋势之一是个性化推荐由关注个体推荐逐步转向关注群体推荐。目前多数群组推荐方法在选择偏好融合策略时习惯采用预定义的静态策略，而静态策略的特点就导致算法无法最大化模拟出群组决策的真实过程。在前人研究的基础之上提出一种基于双层注意力机制的群组推荐方法，该方法充分考虑到群体用户的差异性和相互影响，以及对于不同领域的决策权等问题。计算群组内每位成员对其他成员的注意力权重，获得群组成员特征向量，再计算每个成员在选择某一个项目的注意力权重，为群组生成对于该项目的偏好向量，以此来充分还原群组用户之间的交互以及群组决策的过程。通过在CAMRa2011和Meetup数据集上与COM、SIG、AGR、AGREE、FastGR等方法在不同参数条件下进行了对比，在归一化折扣累计增益和命中率两个指标上，相较基线模型平均提高了0.025 4和0.030 7。

参考文献 | 相关文章 | 多维度评价

Select

20. 面向改进的时空Transformer的交通流量预测模型

高榕, 万以亮, 邵雄凯, 吴歆韵

计算机工程与应用 2023, 59 (7): 250-260. DOI: 10.3778/j.issn.1002-8331.2203-0290

摘要（232）

PDF（pc）（844KB）（124）

针对基于时空Transformer模型的交通流量预测模型性能不高的问题，提出了一种基于编解码器的改进的时空Transformer模型（improved spatio-temporal Transformer model，ISTTM）。编码器对历史流量特征进行编码，解码器预测未来序列。编码器将空间稀疏自注意力和时间层次扩散卷积相结合，捕捉交通流量的动态空间相关性和局部空间特征，再利用时间自注意力建模非线性时间相关性；解码器与编码器类似地挖掘出输入序列的时空特征。基于编解码器提取的时空特征，采用双重交叉注意力模拟历史交通观测对未来预测的影响，建模每个历史时间步和每个未来时间步的直接关系以及对整个未来时间段的影响，并输出未来交通流量的最终表示。为了证实ISTTM的有效性，在METR-LA和NE-BJ两个真实世界的大规模数据集上进行实验，ISTTM结果优于6个先进的基线。

参考文献 | 相关文章 | 多维度评价

Select

21. CEEMDAN-HURST算法在新冠疫情预测中的应用

王启云, 郑中团

计算机工程与应用 2023, 59 (7): 261-268. DOI: 10.3778/j.issn.1002-8331.2205-0253

摘要（85）

PDF（pc）（696KB）（30）

针对COVID-19新增病例是一个非线性非平稳的时间序列，提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列；利用HURST指数分析各个子序列的随机性并将子序列整合为高频、中频和低频三种子序列，通过最小二乘支持向量机对这三种子序列分别进行预测；叠加各重构子序列的预测结果，得到COVID-19新增病例的最终预测值。结果表明，基于CEEMDAN-HURST算法的COVID-19新增病例组合预测模型提高了非线性时间序列预测过程中的效率以及预测精度。与CEEMDAN-PE组合模型相比，平均绝对误差、均方根误差分别降低了11.13%和29.67%，表明CEEMDAN-HURST算法可有效解决非线性时间序列预测模型普遍存在的预测效率低和预测精度低的问题；赫斯特（HURST）指数度量了时间序列的偏移程度，引入HURST指数进行合并重构整合，可减少时间序列预测所需要的子序列数目。

参考文献 | 相关文章 | 多维度评价

Select

22. 使用均值距离与关联性标记的并行OPTICS算法

郑剑, 余鑫

计算机工程与应用 2023, 59 (5): 232-244. DOI: 10.3778/j.issn.1002-8331.2203-0018

摘要（67）

PDF（pc）（901KB）（39）

针对大数据环境下传统并行密度聚类算法中存在的数据划分不合理，聚类结果准确度不高，结果受参数影响较大以及并行效率低等问题，提出一种MapReduce下使用均值距离与关联性标记的并行OPTICS算法——POMDRM-MR。算法使用一种基于维度稀疏度的减少边界点划分策略（DS-PRBP），划分数据集；针对各个分区，提出标记点排序识别簇算法（MOPTICS），构建数据点与核心点之间的关联性，并标记数据点迭代次数，在距离度量中，使用领域均值距离策略（FMD），计算数据点的领域均值距离，代替可达距离排序，输出关联性标记序列；最后结合重排序序列提取簇算法（REC），对输出序列进行二次排序并提取簇，提高算法局部聚类的准确性和稳定性；在合并全局簇时，算法提出边界密度筛选策略（BD-FLC），计算筛选密度相近局部簇；又基于[n]叉树的并集型合并与MapReduce模型，提出并行局部簇合并算法（MCNT-MR），加快局部簇收敛，并行合并局部簇，提升全局簇合并效率。对照实验表明，POMDRM-MR算法聚类效果更佳，且在大规模数据集下算法的并行化性能更好。

参考文献 | 相关文章 | 多维度评价

Select

23. 分层网格划分实现海量地图标记物聚散可视化

傅晨恩, 陈琼

计算机工程与应用 2023, 59 (5): 245-251. DOI: 10.3778/j.issn.1002-8331.2203-0123

摘要（72）

PDF（pc）（688KB）（32）

在传统的地图可视化中，面对海量地图标记物展示会采用点聚合的方式，但是各类点聚合算法都是运行时计算，没有分层机制，在海量点的散开展示时，对于地图标记物堆叠没有过滤机制。针对这一问题，提出了分层的网格划分实现海量地图标记物聚散一体化解决方案。该方法对分层网格中心点构建K-D树索引，对海量点构建四叉树索引，通过索引和存储技术，实现了聚合的高效查询。对海量点散开时增加网格过滤，消除堆叠问题。在实验案例数据集上进行对比，结果表明，与传统的点聚合方案相比，在数据量大的情况下，计算性能显著提高，对海量标记物散开展示增加过滤算法，有效提升了用户体验。

参考文献 | 相关文章 | 多维度评价

Select

24. 融合概率矩阵分解与ER规则的群组推荐方法

王永贵, 张鉴

计算机工程与应用 2023, 59 (5): 252-261. DOI: 10.3778/j.issn.1002-8331.2203-0125

摘要（69）

PDF（pc）（595KB）（48）

群组推荐需要同时考虑一组内所有成员的偏好，通过融合成员偏好进而向群组推荐项目。现有的对于组推荐方法的研究中大多都将相同的权重分配给群组中所有用户，而未考虑在现实生活中不同组成员的重要性和可靠性应不同。针对该问题，提出一种新的融合概率矩阵分解与证据推理（evidence reasoning，ER）规则的群组推荐方法（FPMF-ER），以改进群组推荐中个体预测和偏好融合的过程。联合用户关系信息对经典概率矩阵分解加以改进，以获取更为完整、精准的个人预测评分；在组成员偏好融合的过程中引入ER规则，根据组成员的权重和可靠性识别群组成员的影响力，使偏好融合更为合理、准确。为了验证该方法的有效性，在Book-Crossing数据集上进行了对比实验，实验结果表明，相较于最优的基准模型，FPMF-ER的推荐结果准确性和用户满意度分别至少提高了2.55%和2.06%。

参考文献 | 相关文章 | 多维度评价

Select

25. 融入社区评估的节点重要性分析

孙百兵, 孙家政, 何泉, 杜彦辉

计算机工程与应用 2023, 59 (3): 226-233. DOI: 10.3778/j.issn.1002-8331.2205-0509

摘要（97）

PDF（pc）（701KB）（52）

针对在目标中挖掘关键成员的研究是社交网络领域的重要分支，但现有的重要性算法很容易出现挖掘的关键节点聚集现象。针对此问题，提出了一种融入社区评估的节点重要性算法，该算法根据目标群体网络拓扑结构，定义了社区重要性评估函数，融合了成员在其社区的内部影响力及外部连通性，综合评价成员重要度。以4个真实的复杂网络作为实验数据，与现有算法进行对比，从传播能力、鲁棒性和肯德尔相关系数三个维度验证，实验表明该算法对群体中的成员重要性度量更加准确。

参考文献 | 相关文章 | 多维度评价

Select

26. 云环境下面向“虚实融合”网络的SDN构建方法

陈宇, 韩久江, 刘建, 鲜明, 王会梅, 张宇翔

计算机工程与应用 2023, 59 (3): 234-243. DOI: 10.3778/j.issn.1002-8331.2204-0465

摘要（126）

PDF（pc）（4559KB）（72）

在网络仿真实验场景的构建中，复杂实体终端难以实现虚拟仿真，需要对实体终端进行接入，但现有接入方式部署复杂、网络性能存在瓶颈、不能适用于大规模网络场景。为有效解决上述问题，提出了一种基于SDN（software-defined-network）的虚实融合网络仿真构建方法，利用SDN控制器结合流表构造算法实现对虚实网络的链路管理和数据连通，并设计开发了一套用于虚实融合网络仿真的原型系统，通过SDN控制器实现云平台中虚拟实例与云外实体终端共同组网，构建虚实融合的网络仿真实验场景。利用该原型系统，实验证明了基于SDN的网络仿真方法可以实现云平台中虚拟实例与实体终端高效大规模组网，且具有良好的网络性能。

参考文献 | 相关文章 | 多维度评价

Select

27. 结合自监督学习的图神经网络会话推荐

王永贵, 赵晓暄

计算机工程与应用 2023, 59 (3): 244-252. DOI: 10.3778/j.issn.1002-8331.2204-0245

摘要（138）

PDF（pc）（600KB）（72）

基于会话的推荐方法由于短期用户交互数据有限，与传统推荐方法相比，其性能更容易受到数据稀疏性问题的影响。为增强会话数据以缓解数据稀疏对会话推荐性能的影响，提出一种结合自监督学习的图神经网络会话推荐（Ss-GNN）模型。构建会话图并建立基于图注意力网络的会话推荐任务来获取项目级表示和会话级表示；从会话级表示的角度出发，利用用户的一般兴趣和当前兴趣来构建辅助任务获取自监督信号；利用自监督学习实现推荐任务和辅助任务之间的互信息最大化，以增强会话数据，从而提升推荐性能。在Yoochoose和Tmall两个公开数据集上进行实验，与基线模型相比，提出的模型在Yoochoose上P@20和MRR@20至少提升了0.94%和0.79%，在Tmall上P@20和MRR@20至少提升了9.61%和4.67%，证明了Ss-GNN模型的有效性。

参考文献 | 相关文章 | 多维度评价

Select

28. A-DDPG：多用户边缘计算系统的卸载研究

曹绍华, 姜佳佳, 陈舒, 詹子俊, 张卫山

计算机工程与应用 2023, 59 (1): 259-268. DOI: 10.3778/j.issn.1002-8331.2203-0461

摘要（218）

PDF（pc）（1276KB）（146）

为了降低多边缘服务器多用户系统中用户的总成本，结合深度确定性策略梯度（deep deterministic policy gradient，DDPG）、长短期记忆网络（LSTM）和注意力机制，提出了一种基于DDPG的深度强化学习卸载算法（A-DDPG）。该算法采用二进制卸载策略，并且将任务的延迟敏感性和服务器负载的有限性以及任务迁移考虑在内，自适应地卸载任务，以最大限度减少由延迟敏感型任务超时造成的总损失。考虑时延和能耗两个指标并设定了不同的权重值，解决因用户类型不同带来的不公平问题，制定了任务卸载问题以最小化所有任务完成时延和能量消耗的总成本，以目标服务器的选择和数据卸载量为学习目标。实验结果表明，A-DDPG算法具有良好的稳定性和收敛性，与DDPG算法和双延迟深度确定性策略梯度（twin delayed deep deterministic policy gradient，TD3）算法相比，A-DDPG算法的用户总成本分别降低了27%和26.66%，平均达到最优任务失败率的时间分别提前了57.14%和40%，其在奖励、总成本和任务失败率方面取得了较好的效果。

参考文献 | 相关文章 | 多维度评价

Select

29. 非独立同分布数据下的去中心化联邦学习策略

谭荣杰, 洪智勇, 余文华, 曾志强

计算机工程与应用 2023, 59 (1): 269-277. DOI: 10.3778/j.issn.1002-8331.2204-0165

摘要（257）

PDF（pc）（4322KB）（186）

区块链具有不可篡改性和去中心化的特点，其与联邦学习的结合成为人工智能领域的热门主题。目前去中心化联邦学习存在训练数据非独立同分布导致的性能下降问题，为了解决这个问题，提出一种模型相似度的计算方法，然后设计一种基于该模型相似度的去中心化联邦学习策略，并使用五个联邦学习任务进行测试，分别是CNN模型训练fashion-mnist数据集、alexnet模型训练cifar10数据集、TextRnn模型训练THUsnews数据集、Resnet18模型训练SVHN数据集和LSTM模型训练sentiment140数据集。实验结果表明，设计的策略在五个任务非独立同分布的数据下进行去中心化联邦学习，准确率分别提升了2.51、5.16、17.58、2.46和5.23个百分点。

参考文献 | 相关文章 | 多维度评价

Select

30. 云计算环境下服务故障传播路径判别方法

姒鉴哲, 姜瑛, 李荣宸, 陈威伟

计算机工程与应用 2022, 58 (23): 94-103. DOI: 10.3778/j.issn.1002-8331.2203-0239

摘要（84）

PDF（pc）（1068KB）（46）

云计算环境下服务的运行具有动态性、复杂性和多样性的特征，使得众多服务间的动态交互关系日益复杂，随着云计算环境下服务故障发生，故障在服务间不断传播，致使系统不能正常运行。当前，部分故障传播影响分析方法存在过多关注历史数据、衡量故障传播因素单一、无法适用动态变更的系统结构等问题。为解决上述问题，提出了一种云计算环境下服务故障传播路径判别方法。动态建立服务交互图；优化服务交互图结构，建立服务关系图；通过综合考虑服务运行、环境状况计算服务故障可能性，确定发生故障服务；分析服务故障传播的影响因素，计算服务故障传播概率，进行服务故障传播路径判别。实验结果表明，该方法能准确确定发生故障服务、有效判别服务故障传播路径。

参考文献 | 相关文章 | 多维度评价

Select

31. Top-k集合空间关键字近似查询方法

孟祥福, 王丹丹, 张霄雁, 贾江浩

计算机工程与应用 2022, 58 (23): 104-116. DOI: 10.3778/j.issn.1002-8331.2201-0393

摘要（83）

PDF（pc）（979KB）（33）

近年来，带有位置和文本信息的空间-文本数据的规模迅速增长，以空间-文本数据为背景的空间关键字查询技术得到广泛的研究与应用。现有大多数空间关键字查询方法通常以单个空间对象作为查询结果的基本单元，最近有少数研究工作提出以一组空间对象作为查询结果的基本单元，这组空间对象联合满足用户的查询需求，但却没有考虑组内空间对象之间的关联关系。针对上述问题，提出一种top-[k]集合空间关键字近似查询方法。提出一种基于关联规则的空间对象之间的关联访问度评估方法，设计了一种结合距离和组内空间对象关联访问度的评分函数；提出了一种基于VP-Tree的剪枝策略，用于快速搜索空间对象的局部邻域，进而加快查询匹配速度；利用评分函数计算候选空间对象组合的得分，并以此选取top-[k]组空间对象作为查询结果。实验结果表明，提出的空间对象关联度评估方法具有较高的准确性，提出的剪枝策略具有较高的执行效率，获取的top-[k]组空间对象具有较高的用户满意度。

参考文献 | 相关文章 | 多维度评价

Select

32. 移动边缘计算中的协同计算卸载策略

李顺, 葛海波, 刘林欢, 陈旭涛

计算机工程与应用 2022, 58 (21): 83-90. DOI: 10.3778/j.issn.1002-8331.2201-0015

摘要（155）

PDF（pc）（713KB）（113）

针对单边缘服务器卸载时导致异地边缘服务器空闲状态下资源浪费问题，在远程云与多个边缘服务器联合卸载的方案下，提出一种基于改进混合粒子群算法的边缘云协同计算卸载策略（cross reorganization PSO，CRPSO）。该卸载策略中以最小化系统总代价（时延和能耗的加权和）为目标建立模型，在粒子群算法中利用适应度对粒子进行优劣分组，通过引入遗传算法中的交叉思想对劣势组的粒子进行取优，由两层筛选机制优化原始种群中粒子，经过算法迭代实现任务的最优卸载策略。仿真结果表明，与Local-MEC算法、ECPSO算法和GCPSO算法相比，所提出的CRPSO算法的系统总代价最小，优化效果明显。

参考文献 | 相关文章 | 多维度评价

Select

33. Spark任务间消息传递方法研究

夏立斌, 刘晓宇, 孙玮, 姜晓巍, 孙功星

计算机工程与应用 2022, 58 (21): 91-97. DOI: 10.3778/j.issn.1002-8331.2112-0182

摘要（123）

PDF（pc）（1201KB）（41）

当今诸多工程问题及科学研究中，都面临着大数据处理和高性能计算任务的双重挑战。基于内存计算技术提出的分布式处理框架Spark已在学术和工业界得到了广泛的应用，但其MapReduce-like的编程模型在任务间无法进行通信，导致科学计算中的数值算法无法进行高效实现。针对上述问题，研究了一种Spark内存计算与MPI消息传递模型相结合的解决方案，充分利用内存访问存取快速的特点和MPI的多种高性能通信机制，解决了Spark编程模型表达能力不足的缺陷，同时为MPI提供了面向数据的DAG计算方式。通过对Spark内部的运行环境和调度系统进行修改，使得MPI在Spark中得以无缝融合，为高性能计算和大数据任务提供了一个统一的内存计算系统。测试结果表明，在数值计算和迭代算法上相比Spark至少有50%的性能提升。

参考文献 | 相关文章 | 多维度评价

Select

34. SDN云网平台的服务质量模型研究

郑冰, 李华

计算机工程与应用 2022, 58 (21): 98-108. DOI: 10.3778/j.issn.1002-8331.2111-0525

摘要（90）

PDF（pc）（695KB）（45）

基于SDN的云网平台逐渐得到广泛应用，云网平台所提供服务的质量评价也越来越受到关注。考虑了云网平台服务所具有的通用云服务和软件化的特点，从服务提供者和用户两个视角出发，对服务质量模型的设计进行了需求分析，并获得服务质量模型的分类维度；参考SQuaRE等国际标准，提出了云网平台服务质量模型QM-SDNCCP，并给出了度量元的计算方法，以达到描述并量化评价云网平台服务质量的目的；对QM-SDNCCP进行了信度分析，表明QM-SDNCCP模型的特性和子特性的设计具有可靠性和一致性。QM-SDNCCP可以应用在技术选型、验收、运维和服务使用阶段，为服务提供者和用户提供云网平台服务选择和质量改进的参考。

参考文献 | 相关文章 | 多维度评价

Select

35. 融合协同知识图谱与优化图注意网络的推荐算法

唐宏, 范森, 唐帆

计算机工程与应用 2022, 58 (19): 98-106. DOI: 10.3778/j.issn.1002-8331.2201-0183

摘要（220）

PDF（pc）（809KB）（78）

考虑到推荐算法存在数据稀疏及模型复杂度较高等问题，提出了一种融合协同知识图谱与优化图注意网络的推荐模型。将用户/项目知识图谱与用户-项目交互图结合为协同知识图谱，嵌入到优化的图注意网络模型中，这不仅可以很好地缓解数据稀疏问题，还能更大程度地挖掘用户的潜在兴趣和高阶关系；使用优化的图卷积网络，通过去除特征转换和非线性激活模块，可以在不影响整体推荐性能的基础上极大地降低模型复杂度；结合基于偏差的注意力机制，及时感知候选项目与用户真实感兴趣项目之间的偏差，提升模型的训练效率。在Movielens数据集和Douban数据集上进行仿真实验，结果表明该算法在推荐性能和时间复杂度方面，相比对比算法均得到了有效的提升。

参考文献 | 相关文章 | 多维度评价

Select

36. 基于多尺度特征和注意力的金融时序预测方法

詹熙, 潘志松, 黎维, 张艳艳, 白玮, 王彩玲

计算机工程与应用 2022, 58 (19): 107-115. DOI: 10.3778/j.issn.1002-8331.2203-0138

摘要（188）

PDF（pc）（1099KB）（81）

金融时间序列预测是经济领域中一个非常重要的实际问题，然而，由于金融市场的噪声和波动性，当前存在方法的预测精度尚不能令人满意。为了提高金融时间序列的预测精度，提出了一种融合扩张卷积神经网络（dilated convolutional neural network，DCNN）、长短时记忆神经网络（long short term memory，LSTM）和注意力机制（attention mechanism，AT）的混合预测模型DCNN_LSTM_AT。该模型由两个部分组成：第一部分包含扩张卷积神经网络和基于LSTM的编码器，其功能在于提取原始序列数据中不同时间尺度的有效信息；第二部分由带注意力机制的LSTM解码器构成，其功能在于对第一部分提取的信息进行过滤并利用过滤后的信息进行预测。最后将所提模型在3支股指数据集和3支个股数据集上进行实验，并与其他常见的基准模型进行了对比，实验结果表明该模型相比于其他模型具有更好的预测精度和稳定性。

参考文献 | 相关文章 | 多维度评价

Select

37. 结合深度强化学习的区块链分片系统性能优化

温建伟, 姚冰冰, 万剑雄, 李雷孝

计算机工程与应用 2022, 58 (19): 116-123. DOI: 10.3778/j.issn.1002-8331.2203-0142

摘要（196）

PDF（pc）（613KB）（96）

提高区块链系统吞吐量是广泛应用区块链的关键问题之一。针对以上问题，将分片技术应用到区块链系统中，通过使区块链并行处理事务提高区块链的吞吐量。将区块链分片选择问题建立为马尔科夫决策过程（Markov decision process，MDP），并设计了基于深度强化学习（deep reinforcement learning，DRL）的区块链分片最优选择策略（branching dueling Q-network shard-based blockchain，BDQSB）。所采用的BDQSB算法克服了传统DRL算法行为空间维度高、神经网络难以训练的缺点。仿真实验结果表明，所提出的方法可以有效降低行为空间维度，提高区块链处理事务的吞吐量和可扩展性。

参考文献 | 相关文章 | 多维度评价

Select

38. 基于深度学习的专利知识推荐服务研究

李振宇, 战洪飞, 余军合, 王瑞, 邓慧君

计算机工程与应用 2022, 58 (15): 95-109. DOI: 10.3778/j.issn.1002-8331.2107-0418

摘要（156）

PDF（pc）（2052KB）（92）

专利作为一种包含大多数领域中最完整的设计信息，可以为设计者解决设计问题提供有价值的指导。针对现有的专利推荐方法难以有效地推荐跨领域专利的问题，提出一种基于深度学习的跨领域专利知识推荐方法，用于创新产品的概念设计。对产品功能和知识需求情境进行建模，将设计问题进行标准化表达，生成设计问题空间。提出一种半监督学习算法（TG-TCI）将专利功能信息按照功能基自动分类和标记，利用实体识别算法（BERT-BiLSTM-CRF）提取专利应用场景术语、技术术语，结合国际专利分类（IPC）信息以表示专利的功能、情境、技术和领域属性，从而生成专利知识空间。通过设计问题空间到专利知识空间的功能基和知识情境映射查找所需的跨领域专利，根据技术和领域属性对它们进行聚类和评估，选出特定的专利以激发设计者的创造力。以一个实际案例进行分析验证，证明了基于深度学习的专利知识推荐模型的可行性及有效性。

参考文献 | 相关文章 | 多维度评价

Select

39. 大数据下基于特征图的深度卷积神经网络

毛伊敏, 张瑞朋, 高波

计算机工程与应用 2022, 58 (15): 110-116. DOI: 10.3778/j.issn.1002-8331.2010-0081

摘要（144）

PDF（pc）（709KB）（43）

针对大数据环境下DCNN（deep convolutional neural network）算法中存在网络冗余参数过多、参数寻优能力不佳和并行效率低的问题，提出了大数据环境下基于特征图和并行计算熵的深度卷积神经网络算法MR-FPDCNN（deep convolutional neural network algorithm based on feature graph and parallel computing entropy using MapReduce）。该算法设计了基于泰勒损失的特征图剪枝策略FMPTL（feature map pruning based on Taylor loss），预训练网络，获得压缩后的DCNN，有效减少了冗余参数，降低了DCNN训练的计算代价。提出了基于信息共享搜索策略ISS（information sharing strategy）的萤火虫优化算法IFAS（improved firefly algorithm based on ISS），根据“IFAS”算法初始化DCNN参数，实现DCNN的并行化训练，提高网络的寻优能力。在Reduce阶段提出了基于并行计算熵的动态负载均衡策略DLBPCE（dynamic load balancing strategy based on parallel computing entropy），获取全局训练结果，实现了数据的快速均匀分组，从而提高了集群的并行效率。实验结果表明，该算法不仅降低了DCNN在大数据环境下训练的计算代价，而且提高了并行系统的并行化性能。

参考文献 | 相关文章 | 多维度评价

Select

40. 面向IoT的两级多接入边缘计算节能卸载策略

邓宇, 赵军辉, 张青苗

计算机工程与应用 2022, 58 (13): 94-101. DOI: 10.3778/j.issn.1002-8331.2108-0069

摘要（99）

PDF（pc）（924KB）（77）

多接入边缘计算（multi-access edge computing，MEC）技术将计算和存储资源下沉到网络边缘，可大幅提高物联网（Internet of things，IoT）系统的计算能力和实时性。然而，MEC往往面临计算需求增长和能量受限的约束，高效的计算卸载及能耗优化机制是MEC技术中重要的研究领域。为保证计算效率的同时最大程度提升计算过程中的能效，提出了两级边缘节点（edge nodes，ENs）中继网络模型，并设计了一种计算资源及信道资源联合优化的最优能耗卸载策略算法（optimal energy consumption algorithm，OECA）。将MEC中的能效建模为0-1背包问题；以最小化系统总体能耗为目标，系统自适应地选择计算模式和分配无线信道资源；在Python环境下仿真验证了算法性能。仿真结果表明，相比于基于有向无环图的卸载策略算法（directed acyclic graph algorithm，DAGA），OECA可将网络容量提升18.3%，能耗缩减13.1%。

参考文献 | 相关文章 | 多维度评价

栏目文章信息