一、分布式系统中基于策略的管理模式(论文文献综述)
寿颖杰[1](2021)在《嵌入式操作系统在分布式系统中的设计与应用》文中认为随着对物联网设备的的不断发展,现在的社会越来越需要在智能家居、智能医疗、智能交通等嵌入式终端节点具备高性能的结构和高速有效的计算功能,使用户满足各种信息科技服务。然而在目前社会中,大都嵌入式系统单独工作,系统与系统之间几无互动,很少能够在终端节点利用互相协作来完成一些复杂的计算。而在分布式系统的应用下,物联网终端节点在理论上可以通过协同工作实现一定的计算。伴随着分布式系统的推广,多个嵌入式系统之间的交互将成为分布式技术和嵌入式技术交叉融合研究方面比较热门的内容。但目前这方面设计研究在市面上还比较少,且存在多方面的问题:第一,嵌入式设备中的资源有限,且设备专用性强,使得用于复杂计算的性能会不高;第二,研究人群较少,研究并未对这方面有深入探讨;第三,几乎无应用方面的研究,研究基本仅止步于在系统测试阶段。因此,本文先将嵌入式系统与分布式系统结合起来,通过多个嵌入式系统构建一个小型分布式系统,称为“多嵌入式系统”;然后在这个可用于分布式计算的多嵌入式系统上,将嵌入式操作系统进行设计和应用,即为分布式系统和嵌入式操作系统结合的“分布式操作系统”。在构建的多嵌入式系统中,每个节点都由一个STM32板和一个分布式操作系统(通过嵌入式实时操作系统RT-Thread修改扩充而成)构成。整个系统中,单个嵌入式系统分为控制节点和计算节点两类,两者的功能有所不同。控制节点负责收集节点信息、管理进程和分配分发计算任务,将任务分发分配到计算节点上执行;计算节点上实现执行任务功能,并将自身节点信息和任务结果发送数据给控制节点或其他计算节点。控制节点和计算节点相互协同工作,构成了整个分布式系统,实现了在终端节点协同完成部分复杂计算工作的目标。在构建整个系统时,对分布式操作系统和分布式通信机制进行了设计。具体为:1)在设计分布式操作系统时,主要对进程管理与调度、协同处理和任务分配完成探讨和设计;在设计过程中,主要是将分布式系统中成熟的研究,甚至已经应用的算法,将其实现在系统中的分布式操作系统里,并提供代码。2)在设计通信机制时,先实现了消息传递的方式,由于系统的运行特点,采用半同步半异步的Client/Server通信模型;然后还设计实现了远程过程调用(RPC)功能,用于实现控制节点调用某计算节点;最后设计了信息传递时的保密机制,由于本系统小型化、分布式等特点,采用并设计了基于属性加密的通讯加密方案,将其应用于系统中。总体上,完成实现了系统的基本功能。根据实际项目,还将构建完成的分布式操作系统应用于实际生产生活中的多嵌入式系统上。通过应用实现在DALI系统中可以看出,嵌入式操作系统与分布式系统所结合而成的分布式操作系统在智能家居中可以得到很好的应用,使原本的系统提升了更良好的性能,且在产品现场安装使用后也取得了不错的效果。
刘沆[2](2021)在《气电耦合虚拟电厂运营优化及风险评价模型研究》文中提出随着化石能源的持续开发全球大气二氧化碳排放量达到历史最高水平,排放强度逐年上升,对未来世界的可持续发展带来了严重挑战。传统虚拟电厂应用项目普遍存在能源结构单一、参与市场不足、能源耦合关系稀疏和新型负荷缺失等显着问题,导致传统虚拟电厂的运行稳定性差、经济效益低、风险管理难度大。在此背景下,气电耦合虚拟电厂的概念逐步成为未来分布式能源发展应用的一个重要技术方式,通过进一步聚合电转气装置(P2G)、燃气锅炉等气电转换设备,使得分布式可再生能源机组的利用效率得到提升,减少了出力不确定性对系统稳定、经济运行的影响。然而,当前气电耦合虚拟电厂的运行控制及市场运营研究还较为缺乏,无法有效协调多类型灵活性资源并入虚拟电厂,支撑气电耦合虚拟电厂的调度优化及市场运营决策。基于此,亟需计及多重不确定性、电动汽车特性及综合需求响应特性展开对气电耦合虚拟电厂运营优化及风险评价,以便为多类型分布式能源、可控负荷、电转气耦合设备等灵活性资源参与虚拟电厂调度提供强大动力,有效支撑电力系统与虚拟电厂的协同运行,提高虚拟电厂的经济效益与运行效率。第一,基于气电虚拟电厂的研究现状和相关理论,阐明了本文所研究气电虚拟电厂运营优化研究的理论和应用价值。首先,围绕气电耦合虚拟电厂的基本概念、发展过程和主要类型阐述了气电耦合虚拟电厂的基础理论;其次,为了实现供给侧多能互补和负荷侧综合互动的运行目标,从形态特征、结构特征、技术特征和应用特征四个方面对气电耦合虚拟电厂的运营运行特征进行了详细分解;再次,基于气电虚拟电厂多种能源主体的复杂结构及相互关系,梳理了气电虚拟电厂参与外部能源市场的类型和运营优化模式及内部各类能源形式和设备的协同运行模式;最后,针对国内外虚拟电厂应用项目进行了现状分析与经验总结,并指出对气电虚拟电厂经验启示,为本文后续章节开展相关研究奠定扎实的理论基础。第二,基于可再生能源出力、负荷的不确定性以及能源价格波动对气电虚拟电厂运营优化带来的风险,建立了计及多重不确定性的气电耦合虚拟电厂运营优化模型。首先,分析了气电虚拟电厂内部分布式可再生能源出力、负荷需求、碳排放权价格及能源电力价格的不确定性,采用概率分布模型对上述不确定性因素进行了建模;其次,构建了以系统经济效益最优、碳排放最小为目标的计及多重不确定性的气电耦合虚拟电厂运营优化模型,并提出了改进捕食遗传算法的求解算法和具体的计算流程;最后,选取北方某气电虚拟电厂为例,设置了六种不同情景进行了对比研究,验证了在计及内外部多重不确定性下气电耦合虚拟电厂更具有市场竞争力,能够实现经济效益和环境效益的共赢。第三,基于电动汽车特性及耦合设备运行特性对系统运行的影响,建立了计及电动汽车特性的气电耦合虚拟电厂运营优化模型。首先,对电动汽车运行特性及可与电动汽车耦合运行的虚拟电厂相关设备特性进行了研究,设计了考虑电动汽车特性的气电耦合虚拟电厂运行结构;其次,以气电虚拟电厂在日前能量市场中的运营收益最大化为目标,构建了计及电动汽车特性的气电耦合虚拟电厂运营优化模型;然后,考虑了运营优化模型的非线性、多维度问题,为了提高粒子群算法存在收敛速度、计算精度,避免早熟的问题,提出了基于Tent映射的改进混沌优化算法,以及具体的计算流程;最后,选取某工业园区进行实例分析,并对四种情景下的系统收益进行了优化求解,得到了气电虚拟电厂各设备在运行日各时刻的优化出力方案,证实了考虑电动汽车充放电特性并将其与P2G设备引入气电虚拟电厂可显着提升系统收益。第四,基于虚拟电厂参与需求响应的交易机制和需求响应特性分析,建立了计及综合需求响应特性的气电虚拟电厂运营优化模型。首先,分析了气电虚拟电厂参与需求响应的交易机制和需求响应负荷特性,设计了气电虚拟电厂参与综合需求响应的总体框架;其次,以气电虚拟电厂收益最大化为目标,根据各耦合设备出力交换功率和多能源需求响应的互动关系,考虑可控负荷、电力网络、热力网络、天然气网络及能源耦合、存储设备等约束,构建了气电虚拟电厂参与综合需求响应的运营优化模型;然后,针对综合需求响应中各种能源的价格存在不确定性,在原模型基础上引入了均值-方差模型,实现了气电虚拟电厂效益最大化并降低了不确定性带来的风险;最后通过算例和多情景对比研究,结果表明了虚拟电厂参与综合需求响应相比于传统需求响应能够获得更高的效益。第五,基于气电耦合虚拟电厂参与多种能源市场交易中面临内外部多方面风险因素的影响,建立了考虑气电虚拟电厂参与市场运营的全流程风险评价模型。首先,从多重不确定性、电动汽车特性及综合需求响应特性三个方面,深入分析了不同特性对气电耦合虚拟电厂造成的风险影响;其次,结合气电虚拟电厂的运行结构和特点,多维度考虑了外部政策、参与主体、耦合技术、运营交易、信用管理5个方面,设计了包含29个风险评价指标的气电耦合虚拟电厂风险评价指标体系;然后,在熵权-序关系赋权法和云模型解决不确定性评价信息的优点基础上,构建了基于熵权-序关系法改进的云模型风险评价模型;最后,针对四种场景下的气电虚拟电厂进行算例分析,对比研究了不同场景及不同评价模型的评价结果,验证了所提出模型的有效性和优越性。
李朝阳[3](2021)在《基于区块链的分布式系统隐私保护方法研究》文中研究表明随着区块链技术的发展,传统中心化的系统正在经历着革命性的变化与升级,其在金融、物联网、医疗健康、政务、知识产权等领域的应用落地在不断地加快。但是,近年来关于区块链的安全事件也在不断地增长,基于区块链的分布式系统隐私安全问题尤为突出。此外,随着量子计算机的研制与量子计算的发展,传统基于计算复杂性的密码算法面对量子攻击的脆弱性日益凸显。因此,本文研究基于区块链的分布式系统隐私保护方法,并重点研究能够抵抗量子计算攻击的密码算法,这对于提高分布式系统用户隐私的安全性,具有十分重要的研究价值和实际意义。本文针对传统中心化系统中存在的问题,尤其是医疗服务系统中的用户隐私与数据安全问题,以及基于区块链的分布式系统中用户隐私安全问题,开展抗量子计算攻击的隐私保护方法研究。本文的研究内容主要围绕以下四个方面展开:(1)基于联盟链的医疗大数据安全共享针对传统中心化医疗服务系统中存在的数据孤岛、信息丢失等问题,提出一个基于联盟链的医疗大数据安全共享方案。利用联盟链技术建立医疗大数据分布式存储管理的健康链模型,打破传统医疗服务系统中不同医疗机构数据分散化的壁垒,解决人为或自然因素导致的信息丢失问题。同时,设计斯坦尔博格数据资源定价博弈模型,促进不同医疗机构之间的数据资源共享,提高医疗大数据的效益值。性能分析表明,所提出的方案相比于固定平均定价策略,在资源消费者效益值降低15%的情况下,可以使得资源提供者的收益值提高80%,且系统的最大化效益提高103%。因此,该方案不仅能保护用户隐私信息的安全性,还可提高医疗大数据资源的利用价值。(2)基于格密码的用户签名认证针对当前基于区块链的分布式系统中存在的认证协议不能有效抵抗量子计算攻击,且协议功能单一、实用性不强等问题,提出基于格密码的用户签名认证方案。利用格密码理论,设计两种分别适用不同环境的抗量子盲签名方案和代理盲签名方案。所提出的两类方案可以有效增强基于区块链的分布式系统交易认证的抗量子计算攻击安全性,并针对不同业务功能需求建立不同的安全签名认证机制,提高了系统用户认证与交易验证的安全性。同时,效率比较分析表明所设计方案的签名尺寸相比于类似方案均降低50%以上,不仅降低签名存储所需空间,还降低交易签名过程的计算复杂度,并提高交易执行的效率。(3)基于盆栽树的交易隐私保护针对基于区块链的分布式系统中存在的交易隐私泄露问题,提出一种基于盆栽树的交易隐私保护方案。利用盆栽树算法构造一个轻量级的区块链钱包模型,由根密钥对生成叶子密钥对,用于交易的签名与验证。用户仅需保存根密钥对,大大降低了分布式系统的密钥管理难度。并设计基于格困难假设的交易签名验证算法,以提高分布式系统的抗量子计算攻击安全性。安全性证明表明该方案可以抵抗适应性选择消息攻击下的强不可伪造性。另外,该方案生成N笔交易需要的密钥对所占用的存储空间仅为传统方法的1/N,且随着交易笔数N的不断增加,该方案将更加节省钱包空间。(4)基于可搜索加密的数据安全管理针对基于区块链的医疗服务系统中账本臃肿、数据可搜索性差、量子攻击威胁等问题,提出基于可搜索加密的数据安全管理方案。设计一种链上帐本-链下存储的轻量级医疗大数据安全管理模型,其只需将电子医疗记录的索引上传到区块链账本上,并将真实电子医疗记录数据存储在本地服务器上。该模型通过索引查找数据,有效避免直接接触数据带来的安全问题,且大大减轻公共账本的臃肿问题。同时,提出一种基于格密码的关键词可搜索属性基加密方案,建立基于属性的灵活访问策略,实现数据的细粒度访问控制。采用关键词机制,保证电子医疗记录数据的可搜索安全性,并利用后量子格密码来提高系统的抗量子计算攻击安全性。
任沛[4](2021)在《协同计算环境中移动Web增强现实服务提供技术研究》文中研究说明随着5G网络和人工智能的快速发展,增强现实作为一种全新的计算机视觉技术,以其独特的交互体验得到了广泛的关注。尤其是基于移动Web的实现方案有效避免了传统基于专用设备的AR应用实现方式面临的设备价格高、移动性差的问题和基于移动App的AR应用实现方式面临的服务跨平台提供难的问题,为AR技术的大规模推广和应用提供了有效的途径。同时,5G网络采用了全新的设计思路,为移动Web AR的服务质量提供了有力的保障。但是,分布式环境下计算设备的异构性和通信网络的动态性给移动Web AR系统中资源的管理和调度带来了新的挑战。因此,在5G网络中针对移动Web AR高效的服务提供机制的研究具有重要的实际意义与应用价值。本文通过对移动Web AR系统的分析与设计,利用“端边云”分布式资源协同调度的优势,从而满足了移动用户对于服务质量的要求和服务提供商对于部署成本的要求。本文将主要从“如何实现分布式协同计算”、“如何利用分布式结构提高多人移动Web AR系统效率”以及“如何协同分布式边缘网络系统资源”三个方面展开研究。主要内容及贡献如下:·针对5G网络下分布式神经网络计算任务的划分问题,本文首先通过对神经网络的结构重新设计并添加了额外的分支结构,从而为其提供了可动态调节的推理能力。简单的输入样本因此能够提前结束推理过程,从而提升了推理效率,降低了由于冗余计算造成的资源浪费。同时,通过对神经网络各层的推理时延与能耗属性进行分析,本文提出了一种基于强化学习的计算卸载算法以执行DNN任务的分布式划分决策,以实现计算任务的灵活调度。与现有的技术相比,本文提出的方法能够有效支持计算任务的细粒度弹性划分,对于提升用户体验、降低移动设备能耗具有重要的意义。·针对当前多人AR应用解决方案面临的效率低、性能差的问题,本文提出并实现了面向5G网络分布式环境下的多人协作式服务提供框架Edge ARX5。该框架通过改进集中式的通信机制,能够借助边缘服务器和D2D通信技术进行用户间交互信息的同步。此外,为了解决边缘系统计算效率低的问题,本文提出了基于预测的运动感知的调度机制,以实现自适应的AR关键帧的选择。同时,本文进一步通过借助D2D通信技术将轻量化的特征提取操作分流到用户周围的移动设备中执行,从而有效缓解了 AR服务初始化时间长的问题。通过合理调度各类计算与通信资源,Edge ARX5能够有效提升多人移动Web AR应用系统效率与服务质量。·针对“端边云”框架中边缘系统分布式资源管理和移动Web AR服务协同的问题,本文首先通过设计边缘节点的定位机制,从而为边缘网络的动态管理提供了基础,并进一步提出了基于动态哈希技术的AR服务查询请求负载均衡机制和基于最大堆技术的AR计算卸载负载均衡机制,以解决边缘系统中负载分布不均的问题。此外,针对移动Web AR应用的服务接入特性,本文还为分布式边缘系统设计了相应的服务迁移机制,以满足AR用户移动性的需求,解决AR服务的连续提供的问题。实验结果表明,通过对边缘系统资源的有效管理,能够进一步提高AR的服务质量和用户体验。
谢之皓[5](2021)在《DDS通信中间件的传输构架和数据一致性技术研究》文中研究指明当今,分布式已成为系统构建中不可或缺的一环。基于分布式系统的分布式计算虽然具有较大的规模与较高的可用性,但是在实时性方面却不如并行计算。在软硬件协同的背景下,分布式系统不仅应当具有功能与一致性上的保证,还应当具有实时性与可靠性上的要求。在边缘计算的场景中,节点的资源有限,网络环境复杂,数据在传输的过程中可能发生丢失。以传统的传输链路进行通信不仅缺乏灵活性,而且难以满足低延时的需求。同时,以发布/订阅机制进行数据交换也容易发生数据冲突。本文采用了结构化的,兼具可用性、灵活性与可扩展性的通用DDS通信中间件架构,并重点研究DDS通信中间件的传输构架的实时性和数据一致性的实现。从实时性的角度出发,DDS通信中间件需要建立低延时的传输链路,使得消息能在较短的时间内从分布式系统的某个节点分发到各个节点中。绕过操作系统内核的网络协议栈可以对传输协议的实现进行调整,以适应不同的传输场景并尽最大可能减少传输延时。为此,本文通过数据包捕获实现了可自定义的网络协议栈,并同时支持TCP与UDP链路。从高一致性的角度出发,DDS通信中间件应当确保分布式系统中所有的节点具有相同的数据,并在数据冲突时能通过一定的机制维护数据。本文利用DDS发布/订阅的特点,基于Raft算法实现了分布式的共识算法。此外,本文还通过DDS通信中间件实现了具体应用。DDS通信中间件的通信层具有毫秒级的时延,对协议的实现可以高度定制化,具备实时性与灵活性。通过共识算法,系统中的各节点中的数据保持一致,同时具备一定的错误恢复能力,DDS通信中间件的高一致性与可用性也得到验证。DDS通信中间件可以正确地订阅与发布主题,进行节点间通信与数据交换,满足可扩展性的要求。DDS通信中间件的实现达到了预期目的。
葛又嘉[6](2020)在《基于微服务架构的分布式爬虫系统设计与应用》文中进行了进一步梳理随着社会经济的飞速发展,互联网应用已经成为人们日常生活中的一部分,及时准确地获得网络应用数据也变得越来越重要。网络爬虫作为一种通过对互联网数据进行精确信息抓取来满足用户对特定数据需求的计算机技术,也面临着巨大的机遇与变革,在这样的技术背景下早期的网络爬虫技术已难当重任。论文分析了已有的爬虫系统在技术实现上的不足之处,根据大数据时代的海量页面数据抓取需求设计了一套基于微服务架构的分布式爬虫系统,采用了Spring Cloud微服务框架,实现了爬虫系统不同微服务模块之间的架构隔离;不同微服务之间采用消息中间件或者远程调用进行数据通信,以此来提升分布式爬虫系统的可用性。本课题的主要工作包括设计并实现了分布式系统环境下的全局唯一ID生成算法;基于布隆过滤器和Redis的URL双重判重机制;分布式场景下基于客户端的负载均衡算法策略;分布式场景下应对海量请求的限流算法策略;利用基于线程池的多线程爬取以及采用动态代理池技术应对反爬虫来提升爬虫的抓取效率和成功率;页面解析微服务采用基于CSS选择器的自定义页面数据提取以及基于Redis的消费端防止重复消费机制;应对海量数据存储场景实现了基于Mongo DB的数据库副本与分片、基于Redis哨兵集群与持久化存储以此确保高可用。通过实验测试,基于微服务架构的分布式爬虫系统,既能承载海量用户的爬虫请求,又能满足用户的不同数据提取需求,同时系统的可维护性和可拓展性能力又强于传统爬虫系统,达到了系统设计要求。
贾玉斌[7](2020)在《经济模型预测控制的研究及其在电力系统中的应用》文中研究说明控制系统的主要目标是快速、可靠地驱使系统达到目标的设定值。模型预测控制可以很好的控制受约束的复杂系统,因此其在工业界受到广泛应用。在系统的优化和控制中,模型预测控制通常作为下层的设定点跟踪,其跟踪的稳态点是上层根据系统的经济指标优化得来。虽然这种分层控制策略成功地解决了系统优化和控制问题,但是随着对动态市场驱动的操作需求的增加,对控制策略的高效性和灵活性的要求越来越高,传统的分层控制已经不再适应现在很多系统的控制需求。为了将系统的经济优化和过程控制结合在一起,以实现系统的实时优化和控制,提高系统的控制性能和经济效益,于是采用了经济模型预测控制算法。在经济模型预测控制中,控制器直接优化系统的经济目标函数,而不是像传统的模型预测控制跟踪设定值。因此系统的动态经济效益有显着提高。现代电力系统是大型的、地理上分散的相互关联的分布式系统。传统的集中式经济模型预测控制无法快速处理有如此多变量的优化问题,而且对于分布式系统而言,集中式的方法的扩展性和安全性不佳,于是本文提出了分布式经济模型预测控制算法。通过建立全局的目标函数,使得各个子系统之间相互合作,避免竞争。然后通过子系统之间多次的迭代,使得子系统的局部最优解逐渐接近集中式控制算法下的全局最优解。同时,在分布式算法下,子系统控制器的计算量相比于集中式算法大大降低。本文主要工作如下:一、研究了一类针对连续时间非线性系统的双模式经济模型预测控制算法。该算法可以直接处理非线性系统模型,并且在系统有外界扰动的情况下,通过使用两种工作模式的经济模型预测控制算法,使得系统能够稳定地运行在安全范围内,并且最终趋近于稳态点附近。对于分布式系统模型,通过迭代式的分布式算法,实现了分布式系统的实时经济优化和过程控制。通过利用李雅普诺夫函数概念和方法,选取合适的采样时间,保证了系统在扰动下的稳定性。针对风-光-储微网系统,采用了针对连续系统的分布式经济模型预测控制策略。在微网系统中,系统的经济目标主要包括a)满足总的负荷需求;b)充分利用微网系统产生的电能;c)优化电池的充电状态;d)减小与电网之间潮流的波动。基于子系统的经济模型预测控制器以迭代和协作的方式使得子系统优化问题的最优解逐渐接近全局最优解。通过双模式的经济模型预测控制算法,可以保证系统状态在外界扰动下能够运行在安全区域内,并且提高了控制器经济优化的自由度。仿真结果表明了该方法的经济性和有效性。二、研究了针对离散时间系统的经济模型预测控制算法。根据系统终端约束的不同将其分为终端等式约束和终端区域约束的经济模型预测控制。在经济模型预测控制中,控制器可以直接优化广义的经济目标函数,其经济目标函数的形式不再仅仅局限于传统模型预测控制中的跟踪目标函数形式。通过构建辅助阶段目标函数和辅助优化问题,定义系统的辅助目标函数作为李雅普诺夫函数,证明了经济模型预测控制下系统的渐近稳定。三、针对相互关联的分布式系统,提出了分布式经济模型预测控制算法,实现了系统整体的经济优化和过程控制。在分布式系统中,整个系统的集中式模型被分解成多个分布式模型,每个子系统根据自身的分布式模型设计分布式经济模型预测控制器。在每个采样周期内,基于子系统的控制器之间以迭代和合作的方式运行,使得各个子系统实现了全局的控制性能。另外通过利用子系统目标函数的凸性和选取适当的的目标函数系数,使得子系统的局部最优解在迭代的过程中逐渐趋近于集中式控制策略的全局最优解,实现了系统在本算法下的渐近稳定。四、研究了经济模型预测控制算法在波能转换器以及在多端高压直流输电系统中的应用。不同于传统跟踪模型预测控制的目标函数,在波能转换器中,经济目标函数直接反映了系统的经济性,并表示成非凸的形式。通过终端等式约束保证系统的状态逐渐趋近于稳态点。在稳定性分析过程中,构建系统的辅助目标函数,建立了系统在辅助优化问题下的渐近稳定,从而最终保证了本算法的渐近稳定。通过仿真验证了本算法的有效性和经济性以及控制器对系统约束很好的处理能力。另外,针对多端高压直流输电系统,采用了分布式经济模型预测控制算法。在此系统中,系统的经济优化(经济负荷分配)和过程控制(频率调节)可以通过一层来实现。通过调节变换器端的电压,间接改变各个子系统的发电功率和子系统之间的潮流分配,最终实现系统的最优经济调度和频率稳定。通过使用终端等式约束,保证了系统状态会逐渐趋近于稳态点。最后通过仿真验证了本算法的有效性。相比与分层控制,本算法下系统的经济性得到很大提高。
罗佳[8](2020)在《面向5G云无线接入网的高能效资源分配算法与优化》文中研究说明近年来,智能设备的日益普及和移动通信技术的快速发展使得新的移动业务不断涌现,从而导致了移动数据量的爆发式增长。为了应对多元化的业务场景以及不断增长的移动数据量,5G移动通信网络引入了云无线接入网(Cloud Radio Access Network,C-RAN)、软件定义网络(Software Defined Network,SDN)、网络功能虚拟化和移动边缘计算等技术。新技术的引入和大幅增加的数据流量使得5G产生高额的能源消耗,合理的资源分配能提高能源的利用效率,从而减少能源浪费。因此,高能效资源分配仍是5G需要考虑的重要问题。本文对5G接入网中C-RAN的高能效资源分配算法展开了研究。主要的研究工作如下:1)针对5G接入网C-RAN中基于队列稳定性的高能效资源分配问题,本文在CRAN中考虑时延的基础上提出了一种基于休眠策略、功率分配和基站速率分配的能耗优化算法。首先,为了使功耗模型符合C-RAN的结构特点,在传统基站功耗模型的基础上给出了C-RAN的基站功耗模型。其次,为了节约系统能耗,引入休眠策略对基站实行动态关断。为了分析基站在引入休眠策略后的状态变化,将相应的基站状态建模为离散时间的队列网络,并基于队列网络的全局平衡方程推导出基站处于激活模式的概率。然后,在队列网络稳定性、服务质量和前传链路容量的约束下引入功率分配和基站速率分配进一步降低系统能耗,并利用李雅普诺夫优化方法对问题中的队列稳定性约束进行转化。随后,基于问题模型的特点将其转化为凸优化问题并采用障碍函数法求解转化后的问题。仿真结果表明,所提算法能平衡系统能耗与时延,在控制时延的基础上达到节能的目的,从而满足队列网络的稳定性。2)针对5G接入网C-RAN中基于用户体验质量的高能效资源分配问题,本文在C-RAN中针对视频传输提出了一种基于计算资源、缓存资源和功率资源联合分配的能耗和用户体验质量联合优化算法。首先,采用离散时间马尔科夫链对无线信道进行建模。然后,在此基础上联合考虑视频缓冲队列、自适应串流、边缘缓存、视频转码和下载并基于系统模型的特性将优化问题建模为相互关联的马尔科夫决策过程(Markov Decision Process,MDP)和约束马尔科夫决策过程(Constrained Markov Decision Process,CMDP),其中涉及边缘云计算资源和缓存资源的分配以及基站的功率分配。最后,运用李雅普诺夫优化方法将CMDP转化为MDP,并利用深度强化学习算法对相应的MDP进行求解。仿真显示,所提算法能在满足相应约束条件的同时达到能耗和用户体验质量联合优化的目的。3)针对5G接入网C-RAN中基于分布式架构的高能效资源分配问题,本文在分布式C-RAN中提出了一种基于计算资源和SDN控制器交易数联合分配的能效优化算法。首先,由于5G终端设备间信息共享的需求以及分布式C-RAN架构下SDN控制器间的协作需求,实现网络实体间信息的一致性是该场景下的一个重要问题。为了满足设计需求,在分布式C-RAN中引入区块链技术来同步各SDN控制器的本地信息从而实现全局信息的一致性。其次,区块链共识过程的密码学操作以及普通任务的非密码学操作均需消耗边缘云中的计算资源。为了优化系统能效,在考虑SDN控制器的信任特征和非密码学操作资源需求量的前提下自适应地对计算资源分配和SDN控制器交易数做出决策。随后,为了适配区块链的分布式运作方式,将优化问题建模为部分可观测马尔科夫决策过程并使用一种新的组合式深度强化学习算法对问题模型进行求解。仿真对比了三种区块链共识协议下的系统性能并印证了所提算法对相应共识协议的有效性。
钏建斌[9](2021)在《面向无线分布式缓存的内容部署及资源管理研究》文中提出无线缓存技术通过在网络边缘缓存数据,能够实现高效的流量卸载,是解决当前5G(The Fifth Generation)网络普及下网络数据迅猛增长问题的关键技术之一。在网络边缘合理的部署缓存节点对热点内容进行缓存,不仅能够减轻网络负担,减少系统能耗,还能降低内容传输时延,提升用户体验。然而,受到边缘缓存节点在缓存-计算-通信能力上的制约,内容缓存的效益将会被严重影响,同时由于边缘缓存节点间海量数据交互将会消耗大量频谱,不仅会使得无线资源更加紧缺,还会带来巨大的额外能耗。因此,从用户需求出发,考虑内容分布特征、用户社交关系、缓存节点能力、物理信道状况等多域资源,设计并实现高能效、高谱效和低时延的无线缓存系统,对为用户提供高质量的内容共享服务具有重要意义。本研究从理论和实际出发对无线分布式缓存系统的关键技术及实现进行了深入探讨。首先以最大化内容分发成功概率为目标,研究物理-社交跨域缓存下的内容流行度预测方案;接着以最小化能耗为目标,研究内容缓存与分发联合优化方案;然后考虑缓存节点之间的信道状况,以最大化系统速率为目标,对无线资源进行优化;最后综合上述各项研究,对无线分布式缓存系统进行了架构设计和实现。本文的主要工作及研究成果如下:1.面向物理-社交跨域缓存环境下的内容流行度预测方案为了提升内容缓存效益,需要预先对内容流行度进行预测。本研究首先考虑用户之间的社交关系,基于狄利克雷分布提出了一种共同兴趣模型来预测内容流行度,进而考虑物理通信链路质量和内容在节点中的缓存策略,推导出了基于该模型的内容分发成功概率,并基于内容分发成功概率,将目标问题建模成了一个关于内容流行度和缓存策略的后验概率最大化问题。为了解决目标函数复杂的计算任务,本文提出了一种基于吉布斯采样的机器学习算法来对模型进行参数估计,从而将复杂的计算任务转化成简单的统计计算问题,极大的降低了计算复杂度。仿真可得,相比较传统的Zipf拟合方法和概率统计方法,本研究提出的方法可以在保证QoS的前提下将内容分发的平均成功概率提升7.6%。2.面向能耗最小化的内容缓存与分发联合优化方案高效的内容缓存与分发策略是无线分布式缓存系统向用户提供高质量内容服务的保障。本研究提出了一个吸收设备直连通信(Device to Device Communication,D2D)用户作为无线分布式缓存系统缓存节点的方案,该方案以最小化内容共享平均能耗为目标,综合考虑了缓存节点选取问题,内容缓存问题和内容分发问题。首先通过综合考虑D2D用户之间的社交关系和物理通信链路质量,提出了一种基于PageRank架构的分布式算法来解决缓存节点选取问题;接着通过综合考虑用户的缓存空间,物理通信链路状态和内容流行度情况,提出了一种基于置信度传播框架的分布式算法来解决内容缓存策略优化问题;然后结合内容缓存状态,充分考虑用户之间的物理通信链路和内容请求情况,提出了一种基于置信度传播架构的分布式算法来解决内容分发策略优化问题;最后提出了一种基于启发式算法的综合优化方案来提升整个系统的性能。相比较传统的匹配方案,本研究提出的综合优化方案通过牺牲极少量性能将计算速度提升了 25%。3.面向统计CSI的功率控制与链路调度联合优化方案资源优化能够显着的提升无线分布式缓存系统性能,降低系统花费的同时提高服务质量。本研究考虑在一个支持正交频分复用接入(Orthogonal Frequency Division Multiple Access,OFDMA)的蜂窝网络中D2D用户复用蜂窝用户的上行带宽资源的场景,在通信信道统计可知情形下,以最大化系统传输速率为目标,综合考虑能耗优化与链路调度问题,将目标建模成一个混合整数非线性规划问题。在目标函数优化过程中本文首先利用拉格朗日对偶方法将原问题转化成了一个分式规划问题,之后利用凸优化工具将分式规划问题转化成一个二次型求解。基于上述转化,本文提出了一个基于干扰消除的功率控制与链路调度方案来实现系统传输速率的最大化,并提出了三种求解方式,即连续优化方式,离散分段逼近方式和传统的离散匹配方式。仿真结果表明,相比于连续优化方式,本研究提出的离散分段逼近方式以12.1%的系统平均总速率损失将计算速度提升了 41.2%,与传统的离散匹配方式相比则以6.3%的计算速度损失将系统平均总速率提升了9.5 倍。4.无线分布式缓存系统架构设计与实现本文基于D2D技术,网络切片技术,网络功能虚拟化技术(Network Functions Virtualization,NFV),MEC技术,SDN技术提出了一个无线分布式缓存系统架构方案,并对系统进行了实现。本文的系统方案是一个两层的服务型系统方案,在上层利用SDN控制器可以实现对网络的综合优化和管理,在下层利用SDN代理能够基于本地需求实现对本地网络的精准优化与管理,此外通过增加分布式计算架构,SDN代理之间还可以自发或者在SDN控制器的协助下完成协作任务。为了进一步提高系统内容服务效用,通过在系统中增加额外的设备管理和路由管理模块,将网络一切节点视为网络设备,成功实现了对传统网络中网际协议(Internet Protocol,IP)寻址方式的屏蔽,从而构建一个以内容服务为中心的服务型网络。在系统实现过程中本文主要基于嵌入式技术以及应用程序接口技术进行开发,针对不同的网络服务提供标准的管理接口和数据接口,从而使系统具有了良好的兼容性和开放性,同时实现可嵌入,可扩展,可编程等需求。测试结果表明,与现有系统相比,本系统在节点接入时间、传输速率、时延、抖动、吞吐量和平均响应时间性能上表现出色,也验证了本研究提出的内容流行度预测方案,内容缓存和分发联合优化方案以及功率控制和链路调度联合优化方案的有效性,在无线分布式缓存系统中具有良好的应用前景。
周远强[10](2020)在《分布式系统协调优化控制方法研究》文中提出新一代信息技术的快速发展,网络技术的推动,以及控制对象复杂多样性需求的涌现,使得现代工业控制系统的结构越来越趋向于分布化。比如炼钢、发电、化工等工业生产过程,在结构上本身存在着分布性,系统由许多个异构子系统组成,各个子系统之间不但存在物质和能量的流通,还存在大量的信息交互,子系统之间还存在着复杂的关联。同时,现代工业生产的发展对生产过程的控制质量提出了越来越高的要求,除了对单个子系统实现优化控制外,同样要求整个系统的全局优化。因此,分布式系统协调优化控制研究成为当前控制理论研究的一个热点方向。论文研究了分布式系统在网络通讯下的协调优化控制方法,尤其是分布式协调预测控制方法,对分布式系统的优化控制算法设计、优化问题求解以及闭环系统性能等方面进行探讨和分析,重点研究了分布式控制系统面临的模型未知、模型非线性、未知扰动、异步通讯环境和事件触发控制等问题,提出了在网络通讯下分布式系统的协调优化控制和模型预测控制设计方法,以求在保证系统闭环稳定和获得期望动态特性的前提下提高系统计算和通讯资源的利用率,为实际分布式工业网络系统的结构优化和工业过程的动力学优化控制提供理论基础和方法参考。本文的主要研究成果包括以下几个方面:1.针对由多个线性异构子系统构成的分布式控制系统,研究了在模型已知和模型未知两种情形下基于网络通讯的分布式协同输出反馈控制问题。在模型信息已知时,本文利用网络传输信息设计分布式协同控制算法,并引入优化性能指标,证明其存在最优控制算法。在模型信息未知时,本文提出一种基于自适应最优学习的分布式协同优化控制算法。该方法根据强化学习思想,利用在线收集的系统输入数据或者跟踪误差数据,在线学习协同控制算法的最优控制参数。该自适应算法不依赖于系统的模型信息,还能满足闭环系统的分布式输出协同,并收敛到最优控制参数。2.针对具有非线性状态关联的分布式控制系统,提出了异步通讯环境下的分布式模型预测控制算法。由于大规模系统中各个子系统具有迥然不同的动态特点,导致时间常数分布范围广,进而难以得到一个统一的信息更新和优化周期。对于这一问题,本文设计了异步分布式非线性模型预测控制算法,将非同步的通讯信息用于对关联状态的估计,带入到异步分布式模型预测控制算法的约束条件设计中。论文分析了所提出控制算法的可行性和闭环系统稳定性,并给出了分布式优化控制问题中设计参数的必要性选取条件。3.针对存在有界未知扰动的分布式控制系统协调预测控制问题,提出一种异步通讯下基于事件触发的分布式模型预测控制算法。为了有效利用子系统的非同步通讯信息,设计了异步环境下的状态估计方法,并将估计的状态带入预测控制模型的更新中。同时,结合预测状态和真实状态之间的误差设计了分布式事件触发机制来确定分布式优化问题的求解时间,并且从理论上证明排除了Zeno触发现象,有效提高了系统计算和通讯资源的利用率。然后,结合Lyapunov稳定性理论,分析了设计算法的可行性和闭环系统的稳定性,并给出了设计参数的选取条件。4.针对一般非线性耦合的分布式控制系统协调预测控制问题,提出一种基于周期事件触发的分布式模型预测控制算法。基于弱耦合条件的假设,本文针对耦合的系统状态设计了一种基于最近通讯信息的自适应状态估计方法,有效利用非同步的通讯信息来实现耦合子系统之间的解耦。接着,利用包含邻居状态信息的预测模型,设计了分布式模型预测控制算法,并根据预测模型的状态和实际状态之间的偏差来设计周期性事件触发条件,从而保证预测状态和实际状态之间的误差是有界的。该算法既协调了异步的通讯信息,又保证了真实状态处于预测状态的一个有界范围之内。论文给出了保证算法可行性和闭环稳定性的参数选取方法。
二、分布式系统中基于策略的管理模式(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分布式系统中基于策略的管理模式(论文提纲范文)
(1)嵌入式操作系统在分布式系统中的设计与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 嵌入式系统研究现状 |
1.2.2 分布式系统研究现状 |
1.3 本文的研究内容及贡献 |
1.4 本文的章节安排 |
第二章 相关理论与软硬件平台介绍 |
2.1 分布式系统 |
2.1.1 分布式系统概述 |
2.1.2 分布式系统的特征 |
2.1.3 分布式系统的结构 |
2.1.4 分布式系统的拓扑结构 |
2.2 分布式操作系统 |
2.2.1 构造分布式操作系统的途径 |
2.2.2 设计分布式操作系统时应考虑的问题 |
2.2.3 分布式操作系统的结构模型 |
2.3 RT-Thread操作系统 |
2.3.1 RT-Thread概述 |
2.3.2 RT-Thread的架构 |
2.3.3 RT-Thread内核 |
2.4 嵌入式系统 |
2.4.1 嵌入式系统概述 |
2.4.2 STM32概述 |
2.5 本章小结 |
第三章 系统总架构设计 |
3.1 硬件的规划实现 |
3.2 分布式架构设计模式 |
3.2.1 无操作系统模式 |
3.2.2 均衡模式 |
3.2.3 非均衡模式 |
3.3 系统结构 |
3.3.1 控制节点和计算节点 |
3.3.2 系统运行结构 |
3.4 本章小结 |
第四章 分布式操作系统设计与实现 |
4.1 进程管理 |
4.1.1 分布式进程 |
4.1.2 分布式进程的状态与切换 |
4.2 分布式协同处理 |
4.2.1 分布式互斥 |
4.2.2 事件定序与时戳 |
4.2.3 资源管理算法 |
4.2.4 选择算法 |
4.3 任务分配 |
4.3.1 任务分配环境 |
4.3.2 任务调度策略 |
4.4 操作系统的移植 |
4.5 本章小结 |
第五章 分布式通信机制设计与实现 |
5.1 消息传递 |
5.1.1 消息传递概述 |
5.1.2 消息传递方式的设计 |
5.1.3 消息传递的实现 |
5.2 RPC的功能 |
5.2.1 RPC的通信模型 |
5.2.2 RPC的结构 |
5.2.3 RPC的实现 |
5.3 保密设计 |
5.3.1 概述 |
5.3.2 加密模型 |
5.3.3 加密方案算法描述 |
5.3.4 安全性分析 |
5.3.5 性能分析 |
5.4 本章小结 |
第六章 系统的应用 |
6.1 引言 |
6.2 DALI协议 |
6.2.1 协议介绍 |
6.2.2 DALI系统结构 |
6.3 分布式操作系统的应用 |
6.3.1 DALI访问时序与时戳 |
6.3.2 主从设备RPC功能 |
6.3.3 数据资源管理 |
6.4 本章小结 |
第七章 主要结论与展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间发表的论文 |
(2)气电耦合虚拟电厂运营优化及风险评价模型研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 虚拟电厂发展研究综述 |
1.2.2 虚拟电厂参与能源电力市场研究综述 |
1.2.3 虚拟电厂运营优化研究综述 |
1.2.4 虚拟电厂风险评价研究综述 |
1.3 论文主要研究内容及技术路线 |
1.3.1 论文主要研究内容 |
1.3.2 论文研究技术路线 |
1.4 论文研究主要成果和创新点 |
1.4.1 本文主要研究成果 |
1.4.2 本文主要创新点 |
第2章 气电耦合虚拟电厂相关理论基础 |
2.1 气电耦合虚拟电厂基础理论 |
2.1.1 气电虚拟电厂基本概念 |
2.1.2 气电虚拟电厂发展过程 |
2.1.3 气电虚拟电厂主要类型 |
2.2 气电耦合虚拟电厂运营特征 |
2.2.1 形态特征 |
2.2.2 结构特征 |
2.2.3 技术特征 |
2.2.4 应用特征 |
2.3 气电耦合虚拟电厂内外部运营优化规则 |
2.3.1 内外部主体构成 |
2.3.2 外部运营策略优化 |
2.3.3 内部协同运行模式 |
2.4 气电耦合虚拟电厂应用项目经验总结及启示 |
2.4.1 国外虚拟电厂应用项目 |
2.4.2 国内虚拟电厂应用项目 |
2.4.3 经验总结与启示 |
2.5 本章小结 |
第3章 计及多重不确定性的气电耦合虚拟电厂运营优化模型研究 |
3.1 引言 |
3.2 多重不确定性分析及运行架构 |
3.2.1 多重不确定性分析 |
3.2.2 多重不确定性设备参与气电耦合运行架构 |
3.3 计及多重不确定性的气电虚拟电厂多目标优化模型 |
3.3.1 目标函数 |
3.3.2 约束条件 |
3.3.3 不确定性处理 |
3.4 气电耦合虚拟电厂多目标运营优化求解方法 |
3.4.1 多目标优化模型求解 |
3.4.2 基于捕食搜索策略的遗传算法 |
3.4.3 设计优化模型求解流程 |
3.5 算例分析 |
3.5.1 基础数据 |
3.5.2 仿真结果分析 |
3.5.3 敏感性分析 |
3.5.4 收敛性分析 |
3.6 本章小结 |
第4章 计及电动汽车特性的气电耦合虚拟电厂运营优化模型研究 |
4.1 引言 |
4.2 气电虚拟电厂电动汽车运行特性及运行架构 |
4.2.1 电动汽车及耦合设备运营特性 |
4.2.2 电动汽车及耦合设备参与气电耦合运行架构 |
4.3 计及电动汽车特性的气电虚拟电厂运营优化模型 |
4.3.1 目标函数 |
4.3.2 约束条件 |
4.4 气电耦合虚拟电厂运营优化模型求解算法 |
4.4.1 典型粒子群优化算法 |
4.4.2 混沌优化算法 |
4.4.3 设计优化模型求解流程 |
4.5 算例分析 |
4.5.1 基础数据 |
4.5.2 场景设置 |
4.5.3 算例结果分析 |
4.5.4 敏感性分析 |
4.5.5 收敛性分析 |
4.6 本章小结 |
第5章 计及综合需求响应的气电耦合虚拟电厂运营优化模型研究 |
5.1 引言 |
5.2 虚拟电厂参与综合需求响应的交易机制与特性分析 |
5.2.1 虚拟电厂参与综合需求响应的交易机制 |
5.2.2 综合需求响应特性分析 |
5.3 计及综合需求响应的气电虚拟电厂运营优化模型 |
5.3.1 目标函数 |
5.3.2 约束条件 |
5.3.3 条件风险价值均值-方差模型 |
5.4 气电耦合虚拟电厂参与综合需求响应运营的求解算法 |
5.4.1 互利共生阶段 |
5.4.2 偏利共生阶段 |
5.4.3 寄生阶段 |
5.4.4 基于旋转学习策略的SOS改进 |
5.5 算例分析 |
5.5.1 基础数据 |
5.5.2 仿真结果分析 |
5.5.3 求解算法性能对比 |
5.6 本章小结 |
第6章 计及多角度特性下气电耦合虚拟电厂运营风险评价模型研究 |
6.1 引言 |
6.2 多角度特性下气电虚拟电厂运营风险分析 |
6.2.1 多重不确定特性产生风险分析 |
6.2.2 含电动汽车产生风险分析 |
6.2.3 综合需求响应产生风险分析 |
6.3 设计气电耦合虚拟电厂风险评价指标体系 |
6.3.1 风险评价指标选取原则 |
6.3.2 设计风险评价指标体系 |
6.3.3 风险评价指标的预处理 |
6.4 基于熵权法-序关系改进的云模型风险评价模型 |
6.4.1 熵权-序关系赋权法 |
6.4.2 云模型算法 |
6.4.3 设计风险评价计算流程 |
6.5 算例分析 |
6.5.1 场景设置 |
6.5.2 基于改进云模型风险评价的结果分析 |
6.5.3 基于传统模糊综合评价的结果分析 |
6.6 本章小结 |
第7章 研究成果和结论 |
7.1 本文主要结论 |
7.2 未来研究展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(3)基于区块链的分布式系统隐私保护方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 基于区块链的分布式系统 |
1.2.2 抗量子安全的隐私保护方法 |
1.3 主要研究内容与创新点 |
1.3.1 研究内容 |
1.3.2 创新点 |
1.4 论文结构与安排 |
第二章 基础理论与知识 |
2.1 区块链与分布式系统安全 |
2.1.1 区块链技术简介 |
2.1.2 分布式系统安全与隐私 |
2.1.3 抗量子攻击安全算法 |
2.2 格理论知识 |
2.2.1 格简介与困难问题 |
2.2.2 格基相关算法 |
2.3 密码学理论知识 |
2.3.1 数字签名 |
2.3.2 可搜索加密 |
2.4 本章小结 |
第三章 基于联盟链的医疗大数据安全共享 |
3.1 引言 |
3.2 医疗大数据安全存储管理架构 |
3.2.1 点对点的医疗健康链 |
3.2.2 数据分布式安全共享 |
3.3 基于博弈论的数据资源交易 |
3.3.1 资源定价与收益模型 |
3.3.2 最优定价与最大化收益 |
3.4 安全性分析与性能评估 |
3.4.1 系统安全性分析 |
3.4.2 模型性能模拟评估 |
3.5 本章小结 |
第四章 基于格密码的用户签名认证 |
4.1 引言 |
4.2 抗量子盲签名方案 |
4.2.1 盲签名方案设计 |
4.2.2 方案的安全性证明 |
4.2.3 效率比较与性能分析 |
4.2.4 系统交易安全分析 |
4.3 抗量子代理盲签名方案 |
4.3.1 代理盲签名方案设计 |
4.3.2 方案的安全性证明 |
4.3.3 效率比较与安全分析 |
4.4 本章小结 |
第五章 基于盆栽树的交易隐私保护 |
5.1 引言 |
5.2 交易隐私保护方案 |
5.2.1 格基交易签名方案 |
5.2.2 方案的安全性证明 |
5.3 方案的效率与安全分析 |
5.3.1 效率比较与分析 |
5.3.2 交易隐私保护分析 |
5.4 本章小结 |
第六章 基于可搜索加密的数据安全管理 |
6.1 引言 |
6.2 方案的设计与安全性 |
6.2.1 轻量级安全管理模型 |
6.2.2 可搜索属性基加密方案 |
6.2.3 方案的安全性证明 |
6.3 方案的效率与性能分析 |
6.3.1 效率比较与分析 |
6.3.2 算法性能模拟分析 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 未来展望 |
参考文献 |
攻读学位期间发表的学术论文目录 |
致谢 |
(4)协同计算环境中移动Web增强现实服务提供技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 移动Web AR服务提供面临的问题 |
1.3 研究内容及主要贡献 |
1.4 论文组织结构 |
第二章 移动增强现实研究综述 |
2.1 增强现实主要流程和相关技术 |
2.2 增强现实技术的发展历程 |
2.3 基于Web的移动增强现实 |
2.3.1 移动Web增强现实支撑技术 |
2.3.2 移动Web增强现实应用的实现方式 |
2.4 本章小结 |
第三章 分布式神经网络的细粒度弹性划分 |
3.1 引言 |
3.2 5G网络下面向移动Web AR的协作式计算框架 |
3.2.1 基于边缘计算的分布式DNN协作模式 |
3.2.2 基于D2D通信技术的分布式DNN协作模式 |
3.3 细粒度的深度神经网络 |
3.3.1 多分支深度神经网络结构设计 |
3.3.2 DNN各层推理时延及能耗预测模型 |
3.4 分布式DNN计算任务划分机制 |
3.4.1 分布式DNN协作式计算问题构建 |
3.4.2 DNN计算任务划分算法 |
3.5 实验结果与分析 |
3.5.1 实验环境设置 |
3.5.2 DNN计算任务划分算法IoRLO性能分析 |
3.5.3 移动Web AR应用性能分析 |
3.6 本章小结 |
第四章 边缘辅助的多人移动Web AR服务提供机制 |
4.1 引言 |
4.2 5G网络下面向多人移动Web AR的协作式框架 |
4.2.1 多人移动Web AR的协作式通信 |
4.2.2 多人移动Web AR的协作式计算 |
4.2.3 多人移动Web AR的协作式框架服务处理流程 |
4.3 多人协作式通信设计 |
4.3.1 多人通信规划问题构建 |
4.3.2 多人通信规划机制 |
4.4 多人协作式计算设计 |
4.4.1 基于边缘计算的关键帧选择机制 |
4.4.2 基于D2D通信技术的AR服务初始化优化 |
4.5 实验结果与分析 |
4.5.1 实验环境设置 |
4.5.2 多人通信规划算法BA-CPP性能分析 |
4.5.3 关键帧选择机制Mo-KFP性能分析 |
4.5.4 AR服务初始化性能分析 |
4.6 本章小结 |
第五章 分布式边缘系统中移动Web AR服务协同 |
5.1 引言 |
5.2 EARNet方案概述 |
5.3 位置感知的移动Web AR任务调度 |
5.3.1 边缘节点定位机制 |
5.3.2 EARNet负载均衡机制 |
5.4 EARNet服务迁移机制 |
5.4.1 服务迁移机制基础方案 |
5.4.2 服务迁移机制优化方案 |
5.5 实验结果与分析 |
5.5.1 实验环境设置 |
5.5.2 负载均衡机制性能分析 |
5.5.3 服务迁移机制性能分析 |
5.6 本章小结 |
第六章 总结与展望 |
参考文献 |
附录 缩略语表 |
致谢 |
攻读学位期间发表的学术论文目录 |
(5)DDS通信中间件的传输构架和数据一致性技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 论文的研究内容和组织结构 |
2 相关技术研究 |
2.1 数据分发模型 |
2.1.1 点对点模型 |
2.1.2 消息队列模型 |
2.1.3 发布/订阅模型 |
2.2 数据分发服务DDS |
2.2.1 应用层 |
2.2.2 数据本地重构层DLRL |
2.2.3 以数据为中心的发布—订阅DCPS层 |
2.2.4 通信层 |
2.2.5 Open DDS |
2.3 一致性与共识算法 |
2.3.1 二阶段提交算法 |
2.3.2 Quorum算法 |
2.3.3 Paxos算法与Raft算法 |
2.4 本章小结 |
3 分布式系统的体系架构 |
3.1 CAP理论 |
3.2 体系架构的层次 |
3.2.1 基础设施层 |
3.2.2 通信层 |
3.2.3 中间件层 |
3.2.4 应用层 |
3.3 本章小结 |
4 DDS通信中间件的软件实现 |
4.1 可插拔的传输层 |
4.1.1 可扩展传输层框架 |
4.1.2 UDP链路 |
4.1.3 TCP链路 |
4.2 一致性 |
4.2.1 共识算法 |
4.2.2 存活性检测 |
4.2.3 数据持久化 |
4.3 发布/订阅 |
4.4 应用层 |
4.5 本章小结 |
5 DDS通信中间件的实验测试 |
5.1 可插拔的传输层测试 |
5.1.1 UDP链路测试 |
5.1.2 TCP链路测试 |
5.2 一致性测试 |
5.2.1 共识算法测试 |
5.2.2 网络分区测试 |
5.2.3 主节点审计测试 |
5.3 发布/订阅测试 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简介 |
(6)基于微服务架构的分布式爬虫系统设计与应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 国内外研究现状与发展 |
1.3 主要研究内容 |
1.4 论文内容组织结构 |
第二章 基于微服务架构的分布式爬虫技术 |
2.1 微服务框架Spring Cloud |
2.2 消息队列Kafka |
2.3 文本提取工具Jsoup及网络框架Http Client |
2.4 存储数据库Mongo DB及 Redis |
2.5 本章小结 |
第三章 分布式爬虫系统总体设计 |
3.1 系统需求分析与设计目标 |
3.2 系统总体设计架构及运行机制 |
3.2.1 分布式爬虫系统各微服务模块划分 |
3.2.2 系统整体架构图及运行流程 |
3.3 爬虫系统的各子部分功能介绍 |
3.3.1 任务创建与查询可视化界面 |
3.3.2 任务请求分发微服务 |
3.3.3 任务请求预处理微服务 |
3.3.4 页面抓取微服务 |
3.3.5 页面解析微服务 |
3.4 数据库设计 |
3.5 本章小结 |
第四章 分布式爬虫系统核心功能实现 |
4.1 任务请求分发微服务 |
4.1.1 客户端负载均衡算法处理 |
4.1.2 客户端请求限流机制 |
4.1.3 微服务熔断器 |
4.2 任务请求预处理微服务 |
4.2.1 全局分布式唯一ID生成算法 |
4.2.2 URL双重判重机制 |
4.2.3 Kafka集群副本配置 |
4.3 页面抓取微服务 |
4.3.1 基于线程池的多线程抓取实现 |
4.3.2 中间件发送消息防丢失实现 |
4.3.3 爬虫动态代理池 |
4.4 页面解析微服务 |
4.4.1 基于提取规则的页面文本数据提取 |
4.4.2 基于Kafka的页面数据预防重复消费解析 |
4.5 数据存储 |
4.5.1 实现基于Mongo DB数据库的数据存储高可用机制 |
4.5.2 实现基于Redis数据库的数据存储高可用机制 |
4.6 系统测试 |
4.6.1 测试环境 |
4.6.2 系统功能测试 |
4.7 本章小节 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 工作展望 |
参考文献 |
附录1 攻读硕士学位期间申请的专利 |
致谢 |
(7)经济模型预测控制的研究及其在电力系统中的应用(论文提纲范文)
摘要 |
Abstract |
术语与符号约定 |
第一章 绪论 |
1.1 模型预测控制理论概述 |
1.2 经济模型预测控制理论概述 |
1.2.1 连续时间系统的经济模型预测控制研究背景和现状 |
1.2.2 离散时间系统的经济模型预测控制研究现状 |
1.2.3 离散时间系统的分布式经济模型预测控制研究现状 |
1.3 经济模型预测控制在电力系统中的研究现状 |
1.3.1 风-光-储微网系统控制研究现状 |
1.3.2 波能转换器控制研究现状 |
1.3.3 分布式互联电力系统控制研究现状 |
1.4 本论文的主要工作 |
第二章 连续时间系统的经济模型预测控制算法研究及其应用 |
2.1 引言 |
2.2 问题描述 |
2.3 连续时间系统的经济模型预测控制 |
2.4 连续时间系统的分布式经济模型预测控制 |
2.5 连续时间系统的经济模型预测控制在风光储微网中的应用 |
2.5.1 风-光-储微网系统数学模型 |
2.5.2 风-光-储微网系统经济目标函数设计 |
2.5.3 仿真研究 |
2.6 本章小结 |
第三章 离散时间系统的经济模型预测控制的算法研究 |
3.1 引言 |
3.2 问题描述 |
3.3 基于终端等式约束的经济模型预测控制 |
3.4 基于终端区域约束的经济模型预测控制 |
3.5 本章小结 |
第四章 基于合作的分布式经济模型预测控制的算法研究 |
4.1 引言 |
4.2 问题描述 |
4.3 基于合作的分布式算法设计 |
4.4 分布式经济模型预测控制算法稳定性分析 |
4.4.1 基于终端等式约束的分布式经济模型预测控制算法稳定性分析 |
4.4.2 基于终端区域约束的分布式经济模型预测控制算法稳定性分析 |
4.5 本章小节 |
第五章 离散时间系统的经济模型预测控制在电力系统中的应用 |
5.1 引言 |
5.2 离散时间系统的经济模型预测控制在波能转换器中的应用 |
5.2.1 波能转换器模型 |
5.2.2 波能转换器控制问题描述 |
5.2.3 波能转换器控制算法设计 |
5.2.4 仿真研究 |
5.3 分布式经济模型预测控制在多端直流输电系统中的应用 |
5.3.1 多端高压直流输电系统模型 |
5.3.2 多端高压直流输电系统中经济负荷分配和负荷频率控制问题描述 |
5.3.3 分布式经济模型预测控制算法设计 |
5.3.4 仿真研究 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 研究展望 |
致谢 |
参考文献 |
作者攻读博士学位期间的研究成果 |
(8)面向5G云无线接入网的高能效资源分配算法与优化(论文提纲范文)
摘要 |
ABSTRACT |
缩略词表 |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 5G接入网概述 |
1.1.2 5G接入网的资源分配 |
1.1.3 研究的意义 |
1.2 研究现状与问题分析 |
1.2.1 研究现状 |
1.2.2 问题分析 |
1.3 论文主要研究工作 |
1.4 论文结构安排 |
2 相关技术原理 |
2.1 李雅普诺夫优化方法 |
2.2 凸优化 |
2.2.1 梯度下降法 |
2.2.2 牛顿法 |
2.2.3 障碍函数法 |
2.3 深度强化学习 |
2.4 本章小结 |
3 5G云无线接入网中基于队列稳定性的高能效资源分配 |
3.1 引言 |
3.2 系统模型 |
3.3 基站状态转移模型 |
3.4 功耗模型 |
3.5 问题建模与转化 |
3.6 仿真结果及性能分析 |
3.7 本章小结 |
3.8 附录 |
3.8.1 定理3.1的证明 |
3.8.2 定理3.2的证明 |
4 5G云无线接入网中基于Qo E的高能效资源分配 |
4.1 引言 |
4.2 系统模型 |
4.3 问题建模与转化 |
4.4 基于A3C的深度强化学习 |
4.5 仿真结果及性能分析 |
4.6 本章小结 |
4.7 附录 |
4.7.1 定理4.1的证明 |
4.7.2 定理4.2的证明 |
4.7.3 定理4.3的证明 |
5 5G云无线接入网中基于分布式架构的高能效资源分配 |
5.1 引言 |
5.2 系统模型 |
5.3 区块链共识模型 |
5.4 能效模型 |
5.5 问题建模 |
5.6 基于DRQN-NAF的深度强化学习 |
5.7 仿真结果及性能分析 |
5.8 本章小结 |
6 总结与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
附录 作者在攻读学位期间发表的论文目录 |
(9)面向无线分布式缓存的内容部署及资源管理研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 无线分布式缓存系统的研究现状 |
1.2.1 内容流行度研究现状 |
1.2.2 内容缓存与分发策略研究现状 |
1.2.3 频谱资源管理研究现状 |
1.2.4 系统架构设计与实现现状 |
1.3 本文研究的内容与创新点 |
1.4 本文的组织结构 |
第二章 面向物理-社交跨域缓存环境下的内容流行度预测方案 |
2.1 引言 |
2.2 基于用户共同兴趣的内容流行度预测建模 |
2.2.1 共同兴趣模型及内容流行度 |
2.2.2 成功传输概率 |
2.2.3 内容流行度预测模型 |
2.3 基于狄利克雷的内容流行度预测方案 |
2.3.1 基于机器学习的共同兴趣模型及内容流行度预测算法 |
2.3.2 问题转换及求解 |
2.4 仿真及结果分析 |
2.4.1 仿真参数及数据集 |
2.4.2 仿真结果分析 |
2.5 本章小结 |
第三章 面向能耗最小化的内容缓存与分发联合优化方案 |
3.1 引言 |
3.2 内容缓存与分发问题建模 |
3.2.1 场景描述 |
3.2.2 内容分发平均能耗最小化模型 |
3.2.3 模型分析及问题优化方案 |
3.3 无线分布式缓存系统中缓存节点选取策略优化方案 |
3.3.1 问题转换 |
3.3.2 基于PageRank算法的分布式缓存节点选取策略优化 |
3.4 无线分布式缓存系统中内容缓存策略优化方案 |
3.4.1 问题转换 |
3.4.2 基于置信度传播的分布式内容缓存策略优化 |
3.5 无线分布式缓存系统中内容分发策略优化 |
3.5.1 问题转换 |
3.5.2 基于置信度传播的分布式内容分发策略优化 |
3.6 无线分布式缓存系统中内容缓存与分发联合优化 |
3.6.1 基于启发式算法的内容共享联合策略优化方案 |
3.6.2 复杂度分析 |
3.7 仿真结果及分析 |
3.8 本章小结 |
3.9 附录Ⅰ: 最大积置信度传播算法 |
3.10 附录Ⅱ: 等式(3-44)的证明 |
3.11 附录Ⅲ: 等式(3-49)的证明 |
第四章 面向统计CSI的功率控制与链路调度联合优化方案 |
4.1 引言 |
4.2 基于最大化系统传输速率方案建模 |
4.2.1 场景描述 |
4.2.2 最大化系统传输速率模型 |
4.3 基于分式规划的干扰消除综合优化方案 |
4.3.1 基于拉格朗日方程的问题转换方案 |
4.3.2 基于分式规划的问题转换方案 |
4.3.3 基于干扰消除的功率控制与链路调度联合优化方案 |
4.4 仿真结果及分析 |
4.5 本章小结 |
第五章 无线分布式缓存系统架构设计与实现方案 |
5.1 引言 |
5.2 无线分布式缓存系统架构设计 |
5.2.1 系统应用场景及整体需求 |
5.2.2 系统设计思路 |
5.2.3 系统逻辑架构 |
5.2.4 基于SDN的系统功能模块设计 |
5.2.5 系统主要业务逻辑 |
5.3 无线分布式缓存系统实现方案 |
5.3.1 基于SDN的信息收集与决策子系统 |
5.3.2 设备管理子系统 |
5.3.3 内容管理以及服务子系统 |
5.3.4 网络路由管理子系统 |
5.3.5 系统部署方案 |
5.4 系统测试实验 |
5.4.1 测试一: MEC到用户的传输性能测试 |
5.4.2 测试二: 用户到用户传输性能测试 |
5.4.3 测试三: 单AP内容请求模式下网络性能测试 |
5.4.4 测试四: 同一缓存方案多AP内容请求模式下网络性能测试 |
5.4.5 测试五: 不同缓存方案多AP内容请求模式下网络性能测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作级展望 |
参考文献 |
附录A 缩略语表 |
致谢 |
攻读学位期间发表的学术论文目录 |
(10)分布式系统协调优化控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 分布式控制系统概述 |
1.2.1 分布式控制系统的基本特征 |
1.2.2 分布式控制系统的分类 |
1.3 分布式系统协调优化控制研究现状 |
1.3.1 分布式系统协调优化控制的理论研究 |
1.3.2 分布式系统协调预测控制的研究现状 |
1.4 存在的问题及本文的研究动机 |
1.4.1 分布式协调优化控制存在的问题 |
1.4.2 本文的研究动机 |
1.5 本文主要研究内容和结构安排 |
第二章 基于自适应学习的分布式线性系统输出协调优化控制 |
2.1 引言 |
2.2 系统模型与问题描述 |
2.2.1 系统模型描述 |
2.2.2 通讯拓扑与图论 |
2.3 分布式线性系统协同控制算法设计:模型已知情形 |
2.3.1 分布式输出协同控制算法设计与分析 |
2.3.2 分布式输出最优控制器 |
2.4 自适应最优控制的分布式学习设计:模型未知情形 |
2.4.1 基于跟踪误差数据的最优控制学习算法 |
2.4.2 基于输入数据的最优控制学习算法 |
2.4.3 稳定性分析 |
2.5 仿真验证 |
2.6 本章小结 |
第三章 异步通讯下的分布式非线性系统协调预测控制 |
3.1 引言 |
3.2 系统模型与问题描述 |
3.2.1 系统模型描述 |
3.2.2 问题描述 |
3.2.3 相关假设以及初步结果 |
3.3 异步通讯下的协同预测控制框架 |
3.3.1 分布式最优控制问题 |
3.3.2 异步通讯下的虚拟输入估计 |
3.3.3 基于双模策略的异步分布式优化算法 |
3.4 可行性与稳定性分析 |
3.4.1 递归可行性条件 |
3.4.2 稳定性分析 |
3.4.3 参数选取的讨论 |
3.5 仿真验证 |
3.6 本章小结 |
第四章 基于事件触发的分布式系统鲁棒协调预测控制 |
4.1 引言 |
4.2 系统模型与问题描述 |
4.2.1 模型与问题描述 |
4.2.2 终端控制器和不变集设计 |
4.3 基于事件触发的鲁棒协同预测算法设计 |
4.3.1 异步的分布式最优控制问题 |
4.3.2 事件触发控制策略设计 |
4.3.3 基于事件触发的分布式鲁棒预测控制算法 |
4.4 参数选取设计、可行性与稳定性分析 |
4.4.1 参数设计与递归可行性条件 |
4.4.2 稳定性分析 |
4.5 仿真验证 |
4.6 本章小结 |
第五章 基于周期事件触发的分布式非线性系统协调预测控制 |
5.1 引言 |
5.2 系统模型与问题描述 |
5.3 基于周期事件触发的协同预测控制框架 |
5.3.1 优化问题中的周期事件触发策略 |
5.3.2 异步通讯环境中的状态估计 |
5.3.3 基于双模策略的分布式优化问题 |
5.3.4 基于周期事件触发的协同预测控制算法 |
5.4 可行性与稳定性分析 |
5.4.1 递归可行性条件 |
5.4.2 稳定性分析 |
5.5 仿真验证 |
5.6 本章小结 |
第六章 全文总结与研究展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
攻读学位期间参与的科研项目 |
四、分布式系统中基于策略的管理模式(论文参考文献)
- [1]嵌入式操作系统在分布式系统中的设计与应用[D]. 寿颖杰. 江南大学, 2021(01)
- [2]气电耦合虚拟电厂运营优化及风险评价模型研究[D]. 刘沆. 华北电力大学(北京), 2021
- [3]基于区块链的分布式系统隐私保护方法研究[D]. 李朝阳. 北京邮电大学, 2021(01)
- [4]协同计算环境中移动Web增强现实服务提供技术研究[D]. 任沛. 北京邮电大学, 2021(01)
- [5]DDS通信中间件的传输构架和数据一致性技术研究[D]. 谢之皓. 浙江大学, 2021(01)
- [6]基于微服务架构的分布式爬虫系统设计与应用[D]. 葛又嘉. 南京邮电大学, 2020(03)
- [7]经济模型预测控制的研究及其在电力系统中的应用[D]. 贾玉斌. 东南大学, 2020(02)
- [8]面向5G云无线接入网的高能效资源分配算法与优化[D]. 罗佳. 重庆邮电大学, 2020(02)
- [9]面向无线分布式缓存的内容部署及资源管理研究[D]. 钏建斌. 北京邮电大学, 2021(01)
- [10]分布式系统协调优化控制方法研究[D]. 周远强. 上海交通大学, 2020(01)