群智感知数据收集设备与处理平台优化控制算法研究

摘要

近年来，随着物联网的深入发展，群智感知作为物联网中低成本且更为灵活的新型感知模式受到广泛关注。目前关于群智感知的研究大多基于特殊的应用和需求，构建的应用平台没有考虑请求到达的随机性，资源的可用性，对参与用户的激励机制等。寻找更为通用的平台实现对数据收集与资源分配的优化调度，对群智感知的研究与发展至关重要。
　　本文围绕群智感知模式下，数据收集设备与处理平台的优化控制问题，针对随机的网络环境下，请求动态到达、计算资源的可用性等约束条件下，采用李雅普诺夫优化理论，实现移动设备时均效用最优与平台时均利润最大化。主要工作及创新点如下:
　　一、将李雅普诺夫优化思想用于群智感知模式中，解决感知端和平台端的优化问题。李雅普诺夫优化理论主要用于通信和队列系统。针对动态网络环境中，事件随机性，时变性和不确定性等时均约束条件下，保证系统的稳定性同时做出在线控制决策，解决时均优化或时均函数优化问题。和传统技术如动态规划、马尔科夫决策过程相比，李雅普诺夫优化算法不需要长期历史统计信息，不针对特定场景，有较好的迁移性和计算复杂度。
　　二、构造群智感知中移动设备端优化控制模型，保证数据传输时能量使用最优，设备时均效用最大。本文分析移动设备数据传输等过程并建模，采用李雅普诺夫优化思想，设计优化控制算法。通过理论分析和仿真实验，验证了我们提出的算法保证系统稳定性，实现了移动设备效用最优。
　　三、构造群智感知中处理平台端优化控制模型，做到系统吞吐量与开销的权衡，保证系统时均利润最大。本文针对由移动用户，cloudlets，处理平台组成的系统，基于李雅普诺夫优化思想及权值扰动技术，设计一种新的随机控制算法。通过理论分析和仿真实验，验证了我们提出的算法保证系统稳态，实现了平台利润最大化。

目录

声明

致谢

摘要

1 引言

1．1 论文研究背景

1．2 论文研究现状

1．2．1 群智感知研究现状

1．2．2 cloudlet研究现状

1．3 论文研究意义

1．4 论文内容及结构安排

2 相关技术介绍

2．1 群智感知概述

2．2 云计算与移动云计算

2．3 cloudlet介绍

2．4 李雅普诺夫优化算法

2．4．1 李雅普诺夫基本思想

2．4．2 求解时均函数优化问题

2．5 本章小结

3 群智感知移动设备端优化控制

3．1 问题描述及模型

3．2 算法设计与性能分析

3．2．1 算法设计

3．2．2 算法性能分析

3．3 仿真实验及结果分析

3．4 本章小结

4 群智感知处理平台端优化控制

4．1 问题描述及模型

4．2 算法设计与性能分析

4．2．1 引入辅助变量

4．2．2 算法设计

4．2．3 算法性能分析

4．3 仿真实验及结果分析

4．4 本章小结

5 总结与展望

5．1 总结

5．2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集