基于分布式ADMM算法的无线网络资源管理与大数据分析

发布时间：2020-06-16 16:05

【摘要】：随着大数据时代的到来,以及多种多样的智能设备、互联网技术的普及,我们每天产生的各类数据总量一直在呈现出爆发式的增长。因此,针对海量数据的信息采集、通信与分析等技术也面临着新的机遇与挑战。如何通过对这些数据进行有效的获取、汇集、通信以及分析和挖掘,使它们的价值最大化已经成为影响未来科技与经济发展方向的重要因素。在本文中,我们从大数据处理过程中数据通信、数据采集和数据分析三个环节出发,重点研究了无线网络中的资源管理、移动数据流量卸载、基于分布式优化算法的资源分配和基于大数据挖掘的空气质量预测等问题。具体地,我们将本文的主要研究内容与贡献点总结如下:1).针对大数据通信的问题,我们研究了无线通信网络中的移动数据流量卸载问题,并提出了一种基于分解-协调的分布式优化框架。在此框架下,我们将蜂窝网络从移动数据流量卸载中获取的收益最大化问题建模为一个非光滑的凸优化问题,并将该收益最大化问题进一步分解为一组子问题,其中每一个子问题均由一个蜂窝网络运营商或者无线网络接入点利用其本地信息求解。所有的子问题将由一个虚拟数据流量卸载协调器进行协调,即每一个蜂窝网络运营商或者无线网络接入点会将其每一次迭代的中间计算结果汇报给虚拟数据流量卸载协调器,然后虚拟数据流量卸载协调器会对这些结果进行汇总协调并反馈。进一步地,我们在上述分解-协调框架下,针对不同应用场景提出了两种分布式优化算法,并证明了它们的全局收敛性。相关数值仿真实验及结果分析证明,所提框架与算法能够大幅度提高蜂窝网络运营商的收益及用户的服务质量。2).针对大数据采集的问题,我们研究了无线传感器网络中的低能耗混合数据流量卸载问题。我们考虑了一种在城市环境中与多个小蜂窝基站、Wi-Fi系统并存的无线传感器网络,并为之提出了一种混合数据流量卸载框架。在这种框架中,每一个传感器节点不仅可以将其采集到的数据直接发送至无线传感器网络的融合中心中,也可以利用周围的可供选择的其他无线传输技术。具体地,线传感器网络中的每一个节点可以通过三种可能的方式卸载其数据:将数据卸载至邻近的Wi-Fi接入点中;通过从蜂窝运营商处租赁专用的授权频段进行数据传输和将数据卸载至邻近的小蜂窝基站。我们提出了一种基于异步协调更新的分布式混合数据流量卸载算法,使得每个传感器节点可以最优化地决定使用每一种卸载方式传输的数据量。我们证明了所提出的算法能够以线性速率收敛至全局最优解。相应地数值仿真实验结果表明,在共存的Wi-Fi设备数量较小(小于5)的时候,与其它的卸载方式相比,所提出的混合数据流量卸载框架能够为无线传感器网络节省约为75%的能耗。3).针对大数据分析的问题,我们研究了基于异构大数据源的高分辨、高精度空气质量预测问题。我们首先将地表空气质量观测站以及配备有传感器的移动平台对空气污染物的分布信息的观测过程建模为一个动态时空模型,并通过随机偏微分方程方法将其进一步描述为一个高斯-马尔科夫随机域。由于高斯-马尔科夫随机域是通过一些稀疏矩阵进行定义的,因此当对其进行基于贝叶斯方法的高分辨率预测时,我们采用了一种计算复杂度较低的集成嵌套拉普拉斯逼近法。为了进一步提高预测的精度,我们在分析了不同空气污染物分布数据特征信息的基础上,将高精度的分布信息的重构问题描述为一个全变差最小化问题,并分别提出了两种不同的算法对其进行了求解。我们将所提出的算法分别应用在意大利皮埃蒙特区域的数据集上对其空气污染物的分布信息进行了预测,验证了所提算法的有效性。
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TN92;TP311.13

【相似文献】

相关期刊论文 前10条

1 李康乐;;算法“塑造世界”客观吗[J];中国报业;2018年11期

2 ;聚焦核心素养案例研讨专题二:体验编程计算,初步了解算法[J];中国信息技术教育;2017年08期

3 李亚娟;刘建贞;张兴刚;邓重阳;;结合科研的计算机辅助几何设计教学[J];数学学习与研究;2017年17期

4 何克晶;张星明;郑运平;;算法设计与分析课程全方位实践教学改革探索[J];计算机教育;2017年02期

5 李勇;;基于实践性教学的《算法设计与分析》教学研究[J];曲靖师范学院学报;2015年06期

6 张远平;邱丽娜;;在算法设计与分析课程教学中融入计算思维[J];价值工程;2016年08期

7 秦丹;;算法设计与分析教学常见问题分析[J];电脑知识与技术;2014年24期

8 黄如兵;杨鹤标;;算法设计与分析课程的教学与实践探索与研究[J];科教文汇(上旬刊);2015年03期

9 纪颖;;算法设计与分析课程教学改革探讨[J];黑龙江教育学院学报;2014年08期

10 李秦;;建构主义教学模式与算法设计与分析课程教学[J];甘肃科技;2013年24期

相关会议论文 前10条

1 王辉;刘治昌;;用一种新算法设计的安全系统[A];2007年中国智能自动化会议论文集[C];2007年

2 雷咏梅;;椭圆曲线密码体制的算法设计与实现[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

3 韩进宏;张先峰;王运凯;;表面粗糙度频谱分析C++算法设计[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

4 高文超;孙宇清;韩冬雪;;一种改进的素数寻找问题的算法设计与实现[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

5 杨俊;关旭东;;板形控制液压弯辊系统的特性分析与控制算法设计[A];1996中国控制与决策学术年会论文集[C];1996年

6 黄翔东;李海亮;王玲;;光时域反射仪的事件检测算法设计[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

7 徐子珊;;《算法设计与分析》课程中的工程教育[A];2005年全国理论计算机科学学术年会论文集[C];2005年

8 李皓;罗熊;;云存储部署优化的进化算法设计[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

9 宋琦;陈璞;;有限元分析中结构修改的算法设计[A];北京力学会第18届学术年会论文集[C];2012年

10 杨利容;;用优化算法设计双工器[A];中国航海学会通信导航专业委员会2005年学术年会论文集[C];2005年

相关重要报纸文章 前8条

1 赵丹;大数据算法的困境[N];学习时报;2017年

2 ;算法设计的策略[N];电脑报;2003年

3 武卫;通过算法来思考世界[N];财会信报;2018年

4 陆峰;大数据健康发展需要新机制护航[N];学习时报;2019年

5 李健 周胜利;懂算法才能打“算法战”[N];解放军报;2019年

6 本报记者 霍光;从算法设计角度推进网络节能[N];中国计算机报;2012年

7 林东;迎接算法决定战法的时代[N];解放军报;2018年

8 胡捷递　记者 姜雪松;“计算机奥运会”将在哈举行[N];哈尔滨日报;2010年

相关博士学位论文 前10条

1 王子玉;网络异常检测算法研究[D];清华大学;2017年

2 陈培;探测复杂疾病临界点的算法[D];华南理工大学;2018年

3 李莹玉;基于分布式ADMM算法的无线网络资源管理与大数据分析[D];西安电子科技大学;2018年

4 蒋海青;开放式低碳选址—路径模型及其算法研究[D];浙江工业大学;2019年

5 王普;多标记学习算法研究及在生物医学数据挖掘中的应用[D];中国科学院大学(中国科学院深圳先进技术研究院);2017年

6 陈宁涛;基于二分技术的高效算法设计及其应用[D];华中科技大学;2006年

7 张磊;约束优化算法的关键技术研究及应用[D];哈尔滨工程大学;2016年

8 孙贺;算法设计中的若干前沿问题[D];复旦大学;2009年

9 刘院英;社会网络影响最大化方法研究[D];燕山大学;2017年

10 任志磊;组合优化问题的特化与泛化算法设计[D];大连理工大学;2013年

相关硕士学位论文 前10条

1 张煜;强化学习中基于函数逼近的多步统一算法研究[D];浙江大学;2019年

2 刘凌云;基于Q-学习算法的序列决策模型研究[D];河北大学;2019年

3 夏志雄;动力电池管理单元及其SOC估算算法的研究与实现[D];武汉理工大学;2018年

4 初星汉;基于蚁群算法的专家抽取系统设计与实现[D];大连理工大学;2018年

5 杨欣;基于正交化学反应优化算法的社团检测研究与实现[D];河南大学;2018年

6 曾凤华;护士周排班算法研究及其系统实现[D];华南理工大学;2018年

7 刁泽浩;自由活体动物的动态跟踪算法研究[D];河北大学;2018年

8 李江飞;基于蜂群算法的越库车辆调度与路径优化研究[D];广东工业大学;2018年

9 尹诗德;基于模拟退火的混合布谷鸟算法求解公交调度问题[D];华南理工大学;2018年

10 彭关礼;基于FPGA的AES算法硬件设计实现[D];西华师范大学;2018年

本文编号：2716255