团组其他

成员姓名、

学院或

部门、

职称、职务

无

出访国家

或地区

英国

出访任务

（会议中、

英文名称）

英国埃克塞特大学学术交流

具体

日程

安排

2019年1月15日：

2019年1月16日-2019年1月23日：观摩埃克塞特大学实验室环境，与团队成员进行云与移动计算的软件系统和工程方法相关领域的学术讨论，确定并开始实施访学计划。

2019年1月24日-2019年1月31日：收集云与移动计算的数据，学习胡嘉博士的研究成果，开展学术调研。

2019年2月1日-2019年2月8日：与胡嘉博士进行讨论，在胡嘉已有的大数据研究基础上，结合云计算再次进行分析，并撰写相关结果。

2019年2月9日-2019年2月16日：对现有的云与移动计算软件系统和工程方法进行讨论，学习国际的最新研究成果，计划与埃克塞特大学其他科研团队建立良好的科研合作。

2019年2月17日-2019年2月23日：与胡嘉博士分析之前的实验结果，并与其团队对研究结果进行讨论，总结云与移动计算的软件系统和工程方法中使用的关键技术。

2019年2月24日：埃克塞特搭乘火车前往伦敦机场，中国航空CA856 17:40（当地时间）—北京12：05+一天 — 福州 19:20。

2019年2月25日：19:20抵达福州长乐机场。

往返航线

福州 – 北京 – 伦敦 –  埃克塞特 – 伦敦 –  北京 –  福州

本次出访

经费来源

（须写明该经费的项目名称和经费卡号，卡号含部门编号和项目编号，编号之间用“—”隔开）

G数计学院一流学科建设经费 0490-50011007

本次出访

费用估值

（元人民币/团组，

申请人估算）

55000

邀请

单位

简介

埃克塞特大学（英文：The University of Exeter；又名：埃克斯特大学）是一所位于英国西南的顶尖研究型大学，起源于十九世纪中叶，于1955年受皇家特许正式创建大学。英国常春藤联盟罗素大学集团成员，英联邦大学联盟成员，英国大学联盟成员。学校位于英国西南部德文郡首府埃克塞特和康沃尔郡首府法尔茅斯，该地美丽的城市和海滨风光一同构成了大学优美的校园环境。学校在经济学、会计金融、材料技术、工程技术、法学、人文和社会科学、医疗、人类学和运动科学等诸多学科领域均拥有世界一流的研究水平。

出访人员名单（含领队）

陈星

出访国家（地区）

英国

实际

出访时间

2019年2月12日

至2019年2月22日

实际出访路线

  福州-北京-伦敦-埃克塞特-伦敦-北京-福州

出访任务

学术交流

出

访

成

果

报

告

经学校批准，陈星博士原计划于2019年1月15日至2月25日，赴英国埃克塞特大学学术交流。此次访学为学术交流，具体任务包括：1）与胡嘉博士研讨，开展短期合作研究；2）拜访所在科研团队，建立长期学术合作关系。

陈星博士实际于2019年2月12日至2月22日，赴英国埃克塞特大学学术交流，在原计划时间段内缩短了访学天数。调整出国访学计划的原因如下：1）由于没有按时取得访学签证，以及参与撰写福大星云大数据技术产学研创新平台建设项目申报材料（技术负责人）和福建省大数据分析与处理工程研究中心年度考核材料（副主任），推迟了出国时间；2）由于学校开学返校要求，以及第一周课程任务安排，提前了回国时间。具体行程如下：

2月12日由北京离境；

2月13日经伦敦抵达埃克塞特；

2月14日拜访胡嘉博士所在团队（团队负责人为闵革勇教授）；

2月15日向合作团队介绍数计学院情况和个人研究工作；

2月16日了解合作团队云环境下工作流调度方面的研究工作；

2月17日了解合作团队云环境下资源分配方面的研究工作；

2月18日与胡嘉博士等关于边缘环境下的工作流调度技术进行研讨；

2月19日合作撰写、修改论文；

2月20日合作撰写、修改论文；

2月21日由伦敦回国；

2月22日经北京抵达福州。

陈星博士圆满完成各项访学任务，取得成果如下：1）尽管推迟了出国时间，合作研究仍按期在国内远程开展，合作完成英文文章一篇，题为“Cost-Driven Data Placement for a Scientific Workflow in Mobile Edge Computing Using Genetic Particle Swarm Optimization”，拟投稿SCI期刊Concurrency and Computation: Practice and Experience；2）拜访埃克塞特大学闵革勇教授，希望引进其为福州大学讲座教授，已初步达成意向。

特此报告。

附：拟投稿论文摘要

Mobile edge computing (MEC) necessitates the cost-effective deployment for a scientific workflow with different tasks and datasets through providing computing, storage and network control to the edges of network. However, the massive transmissions are generated while executing a scientific workflow in MEC, which results in the serious costs of data transmission and data storage. Although there are solutions for data placement in traditional cloud computing, they cannot effectively respond to the latency-sensitive property of a scientific workflow, which leads to the excessive costs of data placement. To cope with this problem, we collaborate the advantages of MEC and cloud computing, and propose a genetic algorithm particle swarm optimization (GAPSO) based method to explore the optimal strategy of data placement for a scientific workflow in MEC environment. First, A unified model of data placement is designed to explore a cost-effective strategy, which considers the different characteristics between MEC and cloud computing as well as the impact of latency constraint on transmission costs. Second, the advantages of genetic algorithm (GA) and particle swarm optimization (PSO) are integrated to optimize the proposed model. Simulations using the real-world scientific workflow show the effectiveness of the proposed method for reducing the costs of data placement in MEC environment.

该团组已进行事后公示。（对外处公章）　　　　　　　　　　　　　（领队签字）

年    月    日

遵守外事纪律情况（含意见和建议等）：无