张海霞教授阐述云边协同架构下的资源管理与优化 王瑞康摄影

【本站讯】4月16日，山东大学张海霞教授做客黄岛论坛软件分论坛，作题为“云边协同架构下的资源管理与优化”的学术报告。

报告以云边协同架构下的资源管理与优化为切入点，分别从AI辅助的层级式边缘缓存策略、基于用户偏好预测的主动缓存策略、面向流媒体应用的3C资源管理方案以及双时间尺度下服务缓存和任务卸载策略等几个方面进行介绍。

张海霞探讨AI辅助的层级式边缘缓存策略研究。基于网络通信的潮汐效应导致的基站负载严重失衡问题，构建了双层异构网络模型，使得服从泊松分布的宏微基站都具备缓存能力，微基站和宏基站之间可以相互协作、共享缓存内容。针对宏微基站覆盖范围内不同内容的流行度动态时变问题，张海霞构建了用户关联模型，并分析了微基站用户和宏基站用户内容下载时延与内容流行度有关，从而设计了基于深度学习的内容流行度预测模型，该模型利用堆叠自编码器（SAE）提取了不同请求模式之间的相关性，并借助长短时记忆网络（LSTM）提取视频在时域上的周期性。张海霞利用仿真图介绍基于深度学习的内容流行度预测模型与其他研究相比可以取得最小的预测误差。

张海霞讨论基于用户偏好预测的主动缓存研究，将联邦学习引入缓存设计中以解决用户隐私泄露风险。首先设计了基于内容与社交感知的用户偏好学习模型，利用图卷积神经网络及注意力机制学习并融合不同内容的请求模式以及社交属性，精准预测未来时刻用户对不同内容的请求概率；其次通过整合离线用户缓存放置策略与在线缓存内容实时更新策略，建立了基于增量学习的边缘缓存架构，实现了对热点内容的持续缓存与及时更新，大幅降低了系统时延；然后以社区重要度为衡量指标选择最优缓存用户提供内容分发服务，提出了基于社区发现的缓存用户选择方法；最后设计了基于注意力加权联邦学习的内容流行度预测架构，在保证用户隐私安全的同时提升了内容流行度预测精度。

张海霞介绍面向流媒体应用的3C（缓存、计算、通信）资源管理方案。针对多版本视频易造成网络拥塞的问题，引入缓存与计算，设计了自适应流媒体异构网络。在该网络中，小基站存储最高版本视频文件，而低版本视频文件由高版本文件转码获得，并且小基站发送功率满足不同视频版本的最低下载速率要求。她介绍了问题的建模过程，讲解了问题的求解框架，并通过仿真图分析所提算法的收敛性与小基站缓存容量对系统性能影响都低于其他研究方法。

针对边缘计算网络中服务缓存和任务卸载的时间尺度不一致问题，张海霞分析双时间尺度下服务缓存和任务卸载策略。通过引入双时间尺度下服务缓存和任务卸载机制，利用卸载和缓存之间的时序耦合关系，实现服务缓存的高效利用和多维资源的合理分配，即降低任务的时延，也减少了缓存成本。首先搭建服务缓存辅助的边缘计算网络，其次进行了时延分析和缓存成本分析，然后对问题建模，把双时间尺度的长期混合整数非线性规划问题用马尔科夫决策过程解决，最后分析了缓存间隔和计算能力对平均时延和缓存成本的影响，验证了所提算法更能适应双时间尺度服务缓存和卸载优化。

报告结束后，张海霞就有关问题与现场师生进行热烈讨论，就仿真实验系统配置和网络安全性分析等问题给予详细解答。

张海霞，山东大学教授，博士生导师，国家级高层次人才，山东省无线通信技术重点实验室主任，曾获中国青年女科学家奖，主要研究方向为智能通信与网络、无线资源管理、移动边缘计算、大数据分析，主持国家自然科学优秀青年科学基金项目、国家自然科学基金重点类项目、山东省重点研发计划重大科技创新工程等国家和省部级项目20余项。已在包括IEEE Journal on Selected Areas in Communications，IEEE Transactions on Communication，IEEE Transactions on Wireless Communication等国际著名期刊和IEEE旗舰会议上发表学术论文100余篇，获国际会议最佳论文奖6次。担任IEEE Transactions on Wireless Communications，IEEE Wireless Communication，China Communication等多个期刊编委。