-
公开(公告)号：CN114885420A
公开(公告)日：2022-08-09
申请号：CN202210282489.0
申请日：2022-03-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于混合深度强化学习的NOMA‑MEC系统中的用户分组和资源分配方法及装置。本发明提出的混合深度强化学习算法利用DDPG优化连续动作和DQN优化离散动作解决了深度强化学习难以处理同时具有离散和连续动作空间的混合问题。具体地，算法根据用户的信道状态确定用户设备的带宽分配、卸载决策、子信道分配(用户分组情况),以使系统的计算速率与所耗功率之比最大化。该算法可以良好地适应环境的动态特性，有效提升系统的能量效率和频谱资源利用率。
-
公开(公告)号：CN113627871A
公开(公告)日：2021-11-09
申请号：CN202110690513.X
申请日：2021-06-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多目标粒子群算法的工作流调度方法、系统及存储介质，所述方法首先考虑集群内各服务器的降频特性和执行时间的差异性，在传统模型基础上构建了一个涵盖工作流执行开销、执行时间、集群负载均衡的多目标综合评估模型；其次，面向工作流调度提出了一种多目标粒子群算法，并给出了一种高效求解方法。此方法缓解了粒子群算法的过早收敛、物种多样性低的缺陷，降低了工作流在集群服务器上的执行开销、执行时间，较好的平衡了集群服务器的负载。
-
Patent Agency Ranking
公开(公告)号：CN113627871B
公开(公告)日：2023-08-18
申请号：CN202110690513.X
申请日：2021-06-22
Applicant: 南京邮电大学
IPC: G06Q10/10 , G06Q10/0631 , G06Q10/0637 , G06Q10/0633 , G06F17/11 , G06N3/006
Abstract: 本发明公开了一种基于多目标粒子群算法的工作流调度方法、系统及存储介质，所述方法首先考虑集群内各服务器的降频特性和执行时间的差异性，在传统模型基础上构建了一个涵盖工作流执行开销、执行时间、集群负载均衡的多目标综合评估模型；其次，面向工作流调度提出了一种多目标粒子群算法，并给出了一种高效求解方法。此方法缓解了粒子群算法的过早收敛、物种多样性低的缺陷，降低了工作流在集群服务器上的执行开销、执行时间，较好的平衡了集群服务器的负载。
-
公开(公告)号：CN114647493A
公开(公告)日：2022-06-21
申请号：CN202210155048.4
申请日：2022-02-21
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于免疫退火算法的云任务调度方法，首先考虑系统资源使用情况以及任务执行时间，在传统模型上构建了一种包括任务执行时间，系统负载均衡，系统公平性的多目标评估模型。其次提出了一种基于免疫机制的改进模拟退火调度算法，通过将模拟退火算法接受坏解思想引入到免疫算法中，允许一些劣质解加入变异，更好地保持种群多样性，避免陷入局部最优解，然后对模拟退火算法中的冷却参数进行振荡操作，缩短了任务调度时间，并根据任务所需资源和系统负载均衡度提供了一个较好的可行初始解群，较好地平衡了系统的负载以公平性。
-
公开(公告)号：CN114647493B
公开(公告)日：2024-11-12
申请号：CN202210155048.4
申请日：2022-02-21
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于免疫退火算法的云任务调度方法，首先考虑系统资源使用情况以及任务执行时间，在传统模型上构建了一种包括任务执行时间，系统负载均衡，系统公平性的多目标评估模型。其次提出了一种基于免疫机制的改进模拟退火调度算法，通过将模拟退火算法接受坏解思想引入到免疫算法中，允许一些劣质解加入变异，更好地保持种群多样性，避免陷入局部最优解，然后对模拟退火算法中的冷却参数进行振荡操作，缩短了任务调度时间，并根据任务所需资源和系统负载均衡度提供了一个较好的可行初始解群，较好地平衡了系统的负载以公平性。
-
公开(公告)号：CN112600869B
公开(公告)日：2022-08-30
申请号：CN202011251177.0
申请日：2020-11-11
Applicant: 南京邮电大学
IPC: H04L67/10 , H04L67/101 , H04L67/1023 , G06N20/00 , G06N3/08 , G16Y20/30
Abstract: 本发明公开了一种基于TD3算法的计算卸载分配方法和装置，包括步骤：获取计算卸载系统状态，将计算卸载系统状态输入预先训练好的计算卸载TD3网络的演员当前网络，得到计算卸载比例和计算卸载发射功率；所述计算卸载系统状态包括：物联网设备到边缘服务器的信道增益、物联网设备的电池电量和可收集的可再生能源能量。本发明通过深度强化学习方法，确定设备最优卸载策略，并且利用能量收集降低智能设备能耗。
-
公开(公告)号：CN112600869A
公开(公告)日：2021-04-02
申请号：CN202011251177.0
申请日：2020-11-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于TD3算法的计算卸载分配方法和装置，包括步骤：获取计算卸载系统状态，将计算卸载系统状态输入预先训练好的计算卸载TD3网络的演员当前网络，得到计算卸载比例和计算卸载发射功率；所述计算卸载系统状态包括：物联网设备到边缘服务器的信道增益、物联网设备的电池电量和可收集的可再生能源能量。本发明通过深度强化学习方法，确定设备最优卸载策略，并且利用能量收集降低智能设备能耗。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
