公开(公告)号：CN119629678A

公开(公告)日：2025-03-14

申请号：CN202411794720.X

申请日：2024-12-06

Applicant: 无锡学院

Inventor： 李君 ,  张圣 ,  胡静 ,  徐钰龙

IPC: H04W28/084 ,  H04W28/08 ,  G06N3/092

Abstract: 本发明公开了一种基于RSMA辅助的多服务器边缘计算任务卸载方法，涉及无线通信技术领域，边缘计算环境主要包含M个MEC服务器随机分布，在其覆盖范围内包含N个用户；使用一个离散时间模型，时隙集为T；每个用户生成一个计算任务Cn，计算任务中包括输入数据和处理一个数据位所需的计算资源；由于能量有限，所有的用户都选择完全卸载下它们的任务；一组可访问的MEC被用来执行不同的计算任务；考虑到信道信息的时变性，本发明主要采用的是强化学习的方法，使每个用户可通过与环境的交互自主的选择最优的MEC服务器，使用户所经历的延迟降到最低。

公开(公告)号：CN119789151A

公开(公告)日：2025-04-08

申请号：CN202411998781.8

申请日：2024-12-31

Applicant: 无锡学院

Inventor： 李君 ,  胡静 ,  张圣 ,  徐钰龙

IPC: H04W28/14 ,  H04W28/08 ,  H04W28/084 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0442

Abstract: 本发明公开了一种基于深度强化学习的D2D辅助边缘缓存算法，涉及边缘缓存和深度强化学习技术领域，通过引入用户偏好学习机制来优化边缘缓存的性能；通过分析用户的内容请求模式、社交关系及时序行为等多维度数据，准确预测用户的内容偏好；基于这些预测结果，动态调整缓存策略，使得在有限的缓存资源下能够最大化内容的命中率和最小化内容传输的平均延迟；将缓存问题建模为一个马尔科夫决策过程，并利用深度强化学习中的近端策略优化算法来求解该问题；通过PPO算法的优化，本实施例方法能够有效地平衡缓存内容的流行度与用户个性化需求，从而在不同用户请求场景下实现更高的命中率和更低的传输延迟。