首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    基于任务复制与预调度的混合列表调度算法

    严长宇张磊
    124-132页
    查看更多>>摘要：在异构计算系统中，高效的任务调度算法是实现高性能的重要条件。列表调度算法是一类经典静态启发式算法，用于解决任务调度问题。在异构环境下由于任务的计算成本以及通信成本存在差异，因此任务调度问题比同构系统中更为复杂。该领域的研究目标主要集中在较低时间复杂度下缩短调度长度。为此，提出一种基于任务复制和预调度的混合列表调度算法DPLS。采用任务复制策略，有选择性地将当前任务的关键前驱任务复制调度至相同的处理器上，减少当前任务对关键前驱任务依赖性数据通信的等待时间，进而缩短任务完成时间。DPLS算法包括预调度和二次调度2个阶段，预调度算法生成基础调度方案，二次调度算法在此基础上尝试生成更优的调度方案，改进任务优先级的计算方式，将任务自身执行成本的影响考虑到优先级计算过程中，使得任务优先级更加合理。实验结果表明，DPLS与经典算法具有相同的时间复杂度，对于n个任务和p个处理器的时间复杂度为O(n2·p)，能够生成调度长度更短的方案，相较于HEFT和PEFT分别实现了 12。563％和7。786％的性能提升。

    任务调度异构计算系统任务复制预调度列表调度

      原文链接:
    • 万方数据
    • 维普

    基于知识图谱的水稻种植智能问答系统设计与实现

    高锐涛林达伟郭亮金鸿...
    133-141页
    查看更多>>摘要：随着农业信息技术的发展，在互联网中积累了大量与水稻种植相关的数据。为解决农民在种植过程中难以快速获取准确答案的问题，从水稻种植领域出发，构建了基于知识图谱的智能问答系统。通过手工收集与爬虫技术获取相关数据，通过构建命名实体识别模型和意图识别模型等自然语言处理技术并结合前后端技术，最终实现了水稻种植领域智能问答系统的开发。实验结果表明，在命名实体识别与意图识别模块中，所构建模型的F1值分别达到89。17％和96。54％，均高于其他常见模型。基于知识图谱的水稻种植智能问答系统能够准确回答农民在种植水稻过程中遇到的大部分问题，实现了对水稻种植知识图谱数据的管理和可视化展示。

    知识图谱命名实体识别对抗训练意图识别卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    基于层级划分和节点特征的关键节点识别方法

    付立东艾肖同豆增发
    142-150页
    查看更多>>摘要：关键节点识别已经成为复杂网络领域的一个重要研究范畴，但目前关键节点识别方法存在时间复杂度较高、得到的关键节点集不够准确以及节点中心性指标考虑不够充分等问题。基于此，提出一种基于层级划分和节点特征的关键节点识别框架，在该框架内，为避免选取节点初始覆盖集时效率低下的问题，提出一种基于层级划分的关键节点初始覆盖集选取方法，该方法可在线性时间内计算出初始节点覆盖集，随后通过节点中心性指标向原网络中回添节点，直到解集中的节点数满足预定义阈值数。为解决回添节点过程中易陷于局部最优解的问题，综合考虑网络拓扑结构和节点的多种属性，提出一种节点综合特征的中心性指标。对比5种初始覆盖集选取算法以及5个中心性指标，在真实网络上进行方法的应用和分析，结果表明，所提基于层级划分和节点特征的方法能够在不同类型的网络中更准确有效地识别关键节点，且该方法的鲁棒性更好，性能也优于其他方法。

    复杂网络关键节点层级划分节点中心性节点特征

      原文链接:
    • 万方数据
    • 维普

    基于先验知识引导提示学习的自监督分类法补全

    陈志强仇瑜朱宇王晓英...
    151-162页
    查看更多>>摘要：由于现有各领域种子分类法不完整，且随着时间的推移，涌现出大量新的领域术语，使得各领域种子分类法有待自动补全。现有的自监督分类法补全方法采用图嵌入技术，并未充分利用预训练语言模型所提供的丰富语义信息，且只关注图中局部的节点关系，忽视了整体图结构所蕴含的信息。针对上述问题，提出一个基于先验知识引导提示学习的自监督分类法补全模型，该模型融合了预训练语言模型的语义信息和种子分类法的结构信息。根据查询节点在垂直路径上存在粗粒度三元组的特性，改进自监督数据集构建策略。在大样本情况下，利用基于预训练和微调模式进行匹配。在微调阶段，为了加强预训练语言模型对真实上位词的关注，在提示(prompt)中融入真实上位词的同义词或缩略词的先验知识注意力，从而更有效地利用prompt来引导预训练模型的微调过程。在匹配阶段，为了降低时间复杂度，采用软束搜索规则，具体来说，在局部图结构上，利用prompt指导生成的节点嵌入来评估同级对兄弟节点的查询置信度;在整体图结构上，采用垂直路径的游走方法进行路径截取与排序筛选。在小样本情况下，利用基于提示学习的模式进行匹配，同时采用不同模板组合和上下文示例去微调预训练语言模型。在4个不同领域的大型公开数据集上进行实验，结果表明，相较于对比模型，该模型的MR、MRR、Hit@10 指标分别提升 15％、0。057、0。030。

    分类法补全先验知识提示学习自监督预训练语言模型

      原文链接:
    • 万方数据
    • 维普

    面向GPS数据的出租车载客路线层次化推荐模型

    张德城刘毅志赵肄江廖祝华...
    163-173页
    查看更多>>摘要：出租车载客推荐能够有效提高司机利润，对于提升交通效率、改善城市出行体验以及推动智能交通的发展都具有重要意义。现有方法一般直接向司机进行载客区域或载客路线推荐，没有考虑将这两者进行结合，不仅面临数据稀疏性问题，而且难以兼顾推荐准确性与实时性能。为此，提出一种面向GPS数据的出租车载客路线层次化推荐模型，其中采用了抗稀疏性的极深因子分解机(xDeepFM)、深度Q网络(DQN)强化学习算法以及层次化推荐策略。首先，离线推荐高载客概率的大网格，以减少在线计算量;然后，当出租车司机提出实时载客推荐需求时，在离线推荐的大网格内进一步推荐高载客概率的小网格;最后，给司机规划一条到小网格的载客路线。在滴滴公司数据集上进行实验，结果表明，与现有的一些先进方法相比，该方法可以使空载出租车司机的巡航时间至少减少36％，巡航距离至少减少26％，并且推荐时间仅需85 ms。

    载客路线推荐载客区域推荐层次化推荐极深因子分解机深度Q网络

      原文链接:
    • 万方数据
    • 维普

    一种联合V2I和V2V的任务卸载优化方案

    倪苏婕陈兵石优
    174-183页
    查看更多>>摘要：在车辆边缘计算系统中，受限于自身的计算能力，单个车辆难以处理计算密集型任务，并且由于车联网(IoV)环境的高动态性，车辆难以获取全局信息及其他车辆的卸载行为来做出任务卸载决策。为了解决车辆边缘计算系统中计算资源不足、环境状态时变以及车辆观察范围有限等问题，联合车辆与基础设施(V2I)和车辆与车辆(V2V)卸载方式并考虑任务划分问题，提出一种基于多智能体深度确定性策略梯度的在线算法。首先，综合考虑车辆位置、连接时间和可用计算资源，选择服务性能值较高的车辆作为候选服务车辆;其次，以最小化系统的平均任务卸载时延为目标提出一个优化问题，并将其建模为一个马尔可夫决策过程，通过对模型进行集中训练，车辆可以获取其他车辆的信息以调整自身策略，在在线执行阶段，车辆根据局部观察迅速做出卸载决策。将该算法与基准算法进行对比，实验结果表明，相较于深度确定性策略梯度算法和任务均分法，所提任务卸载算法的平均任务卸载时延分别降低75％和66％，且收敛速度更快，证明了该算法的有效性。

    车辆边缘计算任务卸载任务划分多智能体深度强化学习V2I与V2V联合卸载

      原文链接:
    • 万方数据
    • 维普

    基于云边协同的可靠服务功能链部署算法

    宋艳蕊庄雷徐泽汐冯旭...
    184-193页
    查看更多>>摘要：在应对车联网(IoV)系统中请求类型多样化及数据海量化挑战时，软件定义网络(SDN)和网络功能虚拟化(NFV)技术支持的云边协同架构已成为服务功能链(SFC)部署的有效手段。然而，IoV中无处不在的电磁干扰使组成SFC的虚拟网络功能(VNF)极易受损，且以软件形式存在的VNF本身存在一定故障概率，这使SFC部署过程的可靠性受到了威胁。为了在最小化成本前提下实现云边协同架构中车载请求的可靠部署，构建一个基于SDN/NFV的可靠云边协同车载计算架构，采用集中式训练一分布式推断方式训练部署模型。设计基于可靠成本效益比的可靠性增强算法SFC-RA，通过创建与VNF具有相同功能的备份虚拟网络功能(BVNF)增强SFC的可靠性。提出一种基于策略梯度(PG)算法的在线SFC可靠部署算法PG_RA，采用序列到序列模型作为学习代理，以保障在满足资源约束的前提下能够提供满足用户需求的高可靠低成本服务。仿真结果表明，相对于其他冗余方式和部署算法，SFC-RA算法能够降低2。78～6。33个单位的冗余成本，PG_RA算法能够平均提高12。88个百分点的可靠性水平及降低约6。7％的平均时延。

    车联网云边协同可靠性服务功能链深度强化学习网络功能虚拟化

      原文链接:
    • 万方数据
    • 维普

    毫米波非正交多址接入的节能资源分配

    李贵勇高馨雨于晓娜
    194-199页
    查看更多>>摘要：用户干扰会降低毫米波大规模多输入多输出非正交多址接入(mMIMO-NOMA)系统的能量效率，解决该问题需要采用合理的资源分配方案。基于已知的信道状态信息建立从基站到用户的系统模型，在考虑基站的发射功率和服务质量情况下，提出具有多个约束条件的能效优化问题。该问题受用户分组、预编码、功率分配等多种因素的影响，是一个复杂的非凸问题。首先在假设功率固定的情况下，提出一种用户分组算法对需要提供服务的用户进行匹配分组，在此基础上，最大化全连接架构增益设计模拟预编码，采用迫零法设计数字预编码。其次将能效最大化问题转化为一系列子问题，并采用惩罚函数进行处理。最后设计基于Dinkelbach的迭代算法用于功率分配，根据能效公式计算出能量效率。MATLAB仿真分析结果表明，该方案能够保证用户间公平性，且在能量效率方面优于现有方案。当信噪比为15 dB时，全连接架构的能量效率提升约25。5％，子链接架构的能量效率提升约25。1％。

    能量效率毫米波大规模多输入多输出用户分组混合预编码功率分配

      原文链接:
    • 万方数据
    • 维普

    基于深度强化学习的C-V2X任务卸载研究

    何杰马强
    200-212页
    查看更多>>摘要：无人驾驶、辅助驾驶的快速发展对车辆计算性能提出了较高的要求，联合移动边缘计算的任务卸载技术可以提供解决方案。然而实现快速、高效的任务卸载决策存在巨大挑战，同时现有研究对于任务卸载的系统整体效益考虑不足。针对上述问题，采用车-路-空架构，设计一种基于软件定义网络(SDN)的蜂窝车联网(C-V2X)分布式任务卸载系统模型，并提出一种基于深度强化学习的任务卸载控制算法。对任务本地计算、边缘计算、卫星计算3种模式分别构建成本模型，以用户端车辆能耗、资源租赁费用和服务端任务处理时延、服务器负载均衡性作为联合优化目标构建目标函数。考虑任务最大期望时延、服务器最大负载率等约束，将任务卸载问题表述为混合整数非线性规划(MINLP)问题，将其建模为离散-连续混合动作空间的Markov决策过程，最后基于深度强化学习算法获得关于任务调度、资源租赁、功率控制的任务卸载决策。实验结果表明，与传统的基于粒子群优化、遗传算法的方案相比，本文算法在取得相近决策效益的同时，单次决策时延降低了 45％以上。

    深度强化学习任务卸载蜂窝车联网软件定义网络遗传算法

      原文链接:
    • 万方数据
    • 维普

    基于可逆神经网络的多载体图像隐写模型

    卞玉星黄荣周树波刘浩...
    213-223页
    查看更多>>摘要：现有多载体图像隐写方法将秘密图像的嵌入过程拆分为编码和叠加两步，将秘密图像编码为含密扰动，通过空域操作将含密扰动与多张载体图像叠加，在多张载体图像中嵌入秘密图像。这种方法的嵌入和提取这两个互逆过程分别由两个相互独立的网络实现，无法共享参数，这导致计算资源消耗大、训练参数多。为解决这个问题，提出了一种基于可逆神经网络的多载体图像隐写模型，它将嵌入和提取过程分别与可逆神经网络的正向和逆向映射相关联，实现了参数共享，有效减少了网络参数量。此外，现有的模型缺乏对秘密图像重要内容级区域的重要性度量方法。针对此问题，所提算法在可逆神经网络输入端引入了空域注意力模块，以提高编码质量，关注秘密图像中的关键区域，从而提升隐写效果。同时，所提算法为多用户配给基于密钥的身份信息矩阵，建立了身份核验机制，防止攻击者非法获取秘密图像。实验结果表明，所提方法实现了较好的隐写效果，含密图像和提取出的秘密图像的峰值信噪比(PSNR)相比基线模型高8。5 dB～9。4 dB，结构相似度相比基线模型高0。012～0。019，学习感知图像块相似度相比基线模型高0。002 9～0。004 7，参数量仅为基线模型的17。6％。

    可逆神经网络多载体图像隐写身份核验机制空域注意力模块参数共享

      原文链接:
    • 万方数据
    • 维普