智能网络与先进计算团队成果二

一、边缘智能计算架构

针对其设备异构性、数据多样性和服务个性化问题，提出了边缘联邦动态卸载和任务调度策略、自适应联邦学习及加速机制、凝聚联邦大小模型学习架构等，显著提升了计算效率，已用于智能装配、网联汽车、边缘算力网等领域。

二、智能迁移优化理论与方法

研究提出了智能迁移多任务优化模型， 解决了传统智能优化忽略任务间相关性， 优化空间重复搜索等问题； 提出了智能递增迁移优化模型， 解决了传统智能优化“冷启动”、随机性大、效率低等问题。

三、复杂移动行为感知计算

研究攻克了物理空间多约束和环境强扰动目标移动位置（姿）难测准、内外部复杂影响因素与移动行为语义难解耦等挑战， 成果已用于滴滴出行、京东智能城市、中国空气动力研究与发展中心等行业。

四、边缘异构终端存储资源池化

针对边缘异构终端存储能力不足的问题，提出异构终端的存储资源池化技术。该技术通过整合和统一管理分散在不同边缘终端设备上的存储资源，构建虚拟化的存储资源池，实现存储资源的弹性分配与高效利用。