- 博客(29)
- 收藏
- 关注
RSS订阅原创 无人机使能的边缘计算优化问题
系统中移动用户的数量M、移动用户的位置(x,y,0)、任务的CPU频率C、任务的数据量D都是已知的，而无人机数量N、无人机位置(X,Y,H)是未知的。上层负责优化UAV的部署，下层负责优化任务调度。在上层中，UAV的部署问题是一个可变长度的优化问题，在进化算法中引入一种新的编码机制，使得每个individual都有固定长度（2维，位置的x坐标和y坐标）个任务【疑问：资源的分配通过任务执行数来界定有一定偏颇，若任务种类相似可以这样定义，若任务种类不相似，任务大小的方差太大，对于资源的分配利用并非高效的】
2024-07-16 15:38:39
1169
原创 生成扩散模型在网络优化方面的应用
生成扩散模型(Generative Diffusion Models, GDMs)具有建模复杂数据分布和生成高质量样本的能力，基于此，GDMs常常被用来执行例如图片生成等任务，随着6G的不断建设与探索，网络规模逐步扩大，网络状态愈加复杂，学习复杂网络中潜在的信息和依赖关系是十分重要的。
2024-04-02 16:56:59
1011
原创 《Cache-Aided MEC for IoT: Resource Allocation Using Deep Graph Reinforcement Learning》阅读笔记
论文笔记
2023-12-10 15:54:47
1065
原创 《Joint Caching and Transmission in the Mobile Edge Network: An Multi-Agent Learning Approach》阅读笔记
比如如果在t时刻服务器e中缓存的文件为{1, 2, 3}，agent采取的动作为删除文件1替换为文件4，那么t+1时刻服务器e中缓存的文件为{4, 2, 3}。caching network基于多智能体学习预测和存储用户感兴趣的文件，网络的输入为请求文件和用户接入信息，输出为缓存决策x，每个边缘服务器作为agent学习缓存策略。疑问：这里的奖励函数定义为边缘服务器与用户之间传输时延最小，若边缘服务器只缓存一个文件岂不是此时的传输时延最小，r最大吗？当a(t)=0时，说明请求的文件在缓存中，不进行替换。
2023-11-29 22:07:18
89
原创 贝叶斯学习自动机
step2：再次画出图像选择，得到随机变量x2 > x1, 选择arm2并获得了奖励，更新选择两个arm的Beta分布，估计arm2获得奖励的概率下降，agent选择arm1的概率变成0.5。step3：第三次选择中，x1 > x2，选择arm1并获得了奖励，更新选择两个arm的Beta分布，估计arm1获得奖励的概率上升，agent选择arm1的概率变成0.7。其中，一般用Beta分布作为先验分布。：对于伯努利分布，用Beta分布作为先验分布，通过贝叶斯推断后得到的后验分布依然时Beta分布的特性。
2023-11-23 23:12:24
84
原创 多智能体解决数据缓存
经验回放（Experience Replay）是强化学习中的一个技术，旨在改善学习的效率和稳定性。在实时与环境交互中获得的经验（状态、动作、奖励等）通常会被立即用于更新模型。这种做法可能非常低效和不稳定。经验回放通过存储这些经验到一个称为“经验回放缓冲区”的数据结构中，然后在训练过程中随机抽样以用于模型更新，从而解决了这一问题。固定边缘节点之间、边缘节点和数据中心之间的数据率。真实世界数据集MovieLens。
2023-11-17 21:56:52
74
1
原创 《Data Caching Optimization in the Edge Computing Environment》论文阅读笔记
阅读笔记
2023-11-10 10:16:44
131
1
原创 马尔可夫决策过程详解
RL本质是互动学习，让智能体与外界环境进行交互，其目标是使得agent在与环境的交互中得到最大的累计reward，从而学习到自身动作的最优控制。RL模型中三个关键部分：（1） 状态(state)：外界环境信息，状态体现环境的特征。（2） 动作(action)：感知环境后采取的行为，动作的表现形式可以是离散的，也可以是连续的。（3） 奖励(reward)：采取行动后获得的收益值，收益根据实际场景可以时正的也可以是负的。
2023-11-03 16:46:45
1579
2
原创 GAP问题近似算法
近似比：A是问题I的近似算法，OPTA是问题I的最优算法，则定义近似算法A的近似比率为：最小化问题的近似比：近似比率总是>=1，近似比越小，算法越好。相对误差界：若对于输入规模为n的问题，存在一个函数ϵ\epsilonϵ(n)使得：优化问题近似方案：把近似算法A的近似比满足如下条件：称为优化问题的近似方案。
2023-10-29 16:47:35
342
1
原创 《Mobility-Aware Computation Offloading in Edge Computing Using Machine Learning》 论文阅读笔记二
笔记2
2023-10-29 11:40:07
80
1
原创 《Mobility-Aware Computation Offloading in Edge Computing Using Machine Learning》 论文阅读笔记一
关于计算卸载的理论研究较为广泛，绝大部分将问题建模成为整数规划/混合整数规划问题等，通过采用凸优化理论，启发式算法，博弈论，排队论，马尔可夫决策，深度强化学习等方法进行近似求解。A[10 + 8].b = A[10].b + b3 = 6 + 4 = 10，A[10 + 8].p = A[10].p + p3 = 5 + 1 = 6，代价为18时，分配策略为app196、app143。其中，xi/yi为app的位置，md为迁移数据量，id为卸载数据量，w为计算所需指令数，p为所需处理速度，b为所需带宽。
2023-10-28 23:20:25
94
1
原创 Android Studio 在蓝屏后出现import包标红解决方法
如何在Android Studio的文件突然标红后恢复正常由于某些原因，电脑在运行Android Studio时经常蓝屏（以前没什么事情，但是今天再次打开后project的activity文件出现了标红，导入的包与控件有关的全部标红，xml文件的控件不可用。网上搜索了很多方法都无法解决，最后参考他人做法想出了一个解决方法。问题描述导入包全部标红解决方案打开Tool->SDK Manager，将原有的SDK全部删除，关闭AS。重新打开AS，提示没有SDK，此时重新安装SDK。安装完毕，
2021-10-11 18:06:23
668
原创 CSAPP Lab 2 Bomb小记三
在前面两篇文章中，我们已经分析完了六个phase，接下来分析最后一个phase。实验过程secret phase 破解在此之前，我们分析bomb.c文件，发现一件有趣的事情：在文件执行的过程中，我们似乎并没有察觉到phase_defused（）函数的动静，接下来我们看看这个函数干了什么。这里要注意：这是一个防止栈溢出的操作。把%fs段偏移0x28处的一个数据存储到了%rsp上面0x68距离处（金丝雀）903：将%esi置为0x402619，查看其代表含义为输入两个数字和一个字符串，
2021-04-26 22:10:08
137
原创 CSAPP Lab 2 Bomb小记二
接着上一篇文章，我们来继续分析几个phase实验过程phase 4 破解反汇编代码：设置断点：执行程序：分析汇编：446：压栈447：传入的第二个参数%rcx448：传入的第一个参数%rdx449：输入” %d %d”450-453：输入个数为2454-457：判断输入的第一个参数的大小，该数需小于等于14，且被初始化为14458：%esi值为0459：%edi的值等于刚输入第一个参数的值460：调用func4，大致上浏览一遍函数，找到传入func4的参数：%edi，%e
2021-04-26 21:56:19
214
原创 CSAPP Lab2 Bomb小记一
实验概述这是一个非常有趣的实验，实验以通关（phase）的形式来呈现汇编语言学习的重点与难点，并且一环扣一环，除了必须要经过的六个phase外，还有一个secret phase，接下来我们看一下如何破解这些phase。实验过程首先，输入命令objdump -d bomb > bomb_assembly.S，得到bomb_assembly.s反汇编文件。之后在终端用gdb对bomb.c进行调试。phase 1破解首先给出phase 1的反汇编代码：347: 压栈348：将0x402
2021-04-26 21:19:49
209
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人