公开(公告)号：CN107067190A

公开(公告)日：2017-08-18

申请号：CN201710351211.3

申请日：2017-05-18

Applicant: 厦门大学

Inventor： 肖亮 ,  戴灿煌 ,  肖星宇 ,  李炎达 ,  唐余亮

IPC: G06Q10/06 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/08

CPC classification number: G06Q10/04 ,  G06N3/084 ,  G06Q10/0637 ,  G06Q50/06

Abstract: 基于深度强化学习的微电网电能交易方法，涉及智能电网。制定与其他相连微电网和电厂的电能交易方案。其特征在于，微电网通过无线网络收集相连的微电网的可再生能源产量和负荷以及交易量等信息，基于深度强化学习算法，通过观察自身的电能储量，决定与其他微电网和电厂之间电能的交易量。微电网不需要预知自己与其他微电网的产能和负荷模型，即可实现最优的电能交易方案，可提高可再生能源的利用率，降低对传统能源的依赖性，增加微电网的长期效益。

公开(公告)号：CN109002358A

公开(公告)日：2018-12-14

申请号：CN201810811580.0

申请日：2018-07-23

Applicant: 厦门大学

Inventor： 肖亮 ,  戴灿煌 ,  许冬瑾 ,  江东华 ,  唐余亮

IPC: G06F9/50 ,  G06N3/04

Abstract: 基于深度强化学习的移动终端软件自适应优化调度方法，涉及计算技术。自动优化设置移动设备上各软件进程卸载数量，并且对本地任务进程划分优先级，分配CPU计算资源和内存资源，旨在降低移动设备的能量损耗，减少任务处理时延。通过测量移动设备上各软件的实时线程任务的规模，估测移动设备至边缘设备动态无线链路的带宽，采用深度强化学习算法评估各个进程的时延，能量损耗等反馈信息，获取软件的优化调度方案。不需要预知移动设备到边缘设备的无线信道模型和移动设备系统的CPU计算资源和内存资源占用模型，即可减少移动设备上各软件任务处理时延和能量损耗，改善用户体验。

公开(公告)号：CN109002358B

公开(公告)日：2021-08-31

申请号：CN201810811580.0

申请日：2018-07-23

Applicant: 厦门大学

Inventor： 肖亮 ,  戴灿煌 ,  许冬瑾 ,  江东华 ,  唐余亮

IPC: G06F9/50 ,  G06N3/04

Abstract: 基于深度强化学习的移动终端软件自适应优化调度方法，涉及计算技术。自动优化设置移动设备上各软件进程卸载数量，并且对本地任务进程划分优先级，分配CPU计算资源和内存资源，旨在降低移动设备的能量损耗，减少任务处理时延。通过测量移动设备上各软件的实时线程任务的规模，估测移动设备至边缘设备动态无线链路的带宽，采用深度强化学习算法评估各个进程的时延，能量损耗等反馈信息，获取软件的优化调度方案。不需要预知移动设备到边缘设备的无线信道模型和移动设备系统的CPU计算资源和内存资源占用模型，即可减少移动设备上各软件任务处理时延和能量损耗，改善用户体验。