计算机学院在移动边缘的服务智能组合研究方面取得新进展

近期，由重庆大学计算机学院大数据智能与服务计算团队夏云霓教授指导，博士研究生彭青蓝为第一作者完成的论文《Reliability-Aware and Deadline-Constrained Mobile Service Composition Over Opportunistic Networks》被国际高水平期刊（CCF-B类）IEEE TRANSACTIONS ONAUTOMATION SCIENCE AND ENGINEERING录用，该论文合作作者还包括IEEE-FELLOW美国新泽西理工学院周孟初教授、中科院绿色智能研究院罗欣研究院、中国石油大学庞善臣教授等。在最近一两年夏云霓团队还在服务计算领域三大国际会议（IEEE-ICWS（CCF-B类），ICSOC（CCF-B类），IEEE SCC（CCF-C类））和其他多个CCF推荐高水平会议上，发表了一系列高影响力的论文，阐述了团队在智能服务组合、移动边缘计算、信息服务系统可靠性预测等问题上的最新进展，获得了广泛关注，并斩获IEEE SCC2018年度最佳论文奖。

近年来，移动设备（如智能手机、平板电脑和可穿戴设备）和移动通信技术飞速发展。移动设备的数量在迅速增长，已经超过了固定互联网主机的数量。与此同时，移动应用和服务也以惊人的速度发展和提供，而来自移动用户的需求也变得越来越高，越来越多的复杂应用在移动设备上执行，移动设备正在改变人们获取和处理信息的方式。然而，移动设备通常具有较为有限的能量供应和计算能力，因此，资源密集型服务应用程序通常被上传到远程云端上面去。但是这种上传操作将会导致额外的数据传输开销，并削弱系统响应能力。机会计算是一种基于移动自组织网络的计算范式，它根据移动设备间的有效范围来动态的组建机会网络，可以利用移动机会社交网络中的移动设备共享资源、内容、服务、应用程序和计算资源，为分布式计算任务的执行提供一个分散的平台。它允许拥有移动设备的用户形成即时的社交网络，以便彼此通信和共享数据对象。机会计算与雾计算、边缘计算等其他计算的主要区别在于它依赖于最终用户（参与者）。机会网络中的通信是在移动节点之间建立直接物理联系的基础上进行的，充分利用了该网络中各个节点的资源，使得系统可以采用低端设备来提供服务，通过服务组合的方式来节约成本。

该项研究提出了一种新的基于可靠性感知和截止时间限制的在机会网络中进行服务选择和组合的方法，其中移动服务机会网络中的移动用户不仅可以通过D2D通信组合（Device-to-device communications），还可以利用附近设备的资源。他们充分考虑了用户的移动性，即考虑了不同服务在运行时具有移动性所带来的时变可用性，提出Krill–Herd算法，解决了在截止时间限制条件下组合服务可靠性和服务质量的优化问题，使得各用户在移动环境下使用组合服务时能够拥有更低的延迟和更高的可靠性。与此同时，该项目通过对算法时间复杂度分析和组合服务调度算法优化，在基于真实数据集基础之上进行大量仿真实验，用以验证本文提出的算法。结果表明，该方法在可靠性和完成时间方面均优于传统方法。

本文提出的优先考虑限期约束并充分考虑终端信息传输可靠性的用于移动环境中的服务组合的新方法，在传统机会网络架构之上最大程度保证传输的高可靠和低延迟，可以极大的提高复合服务的质量。对移动设备组网，车载网络交互，边远地区局域网络传输等方面均有重大意义。