-
公开(公告)号：CN118803650A
公开(公告)日：2024-10-18
申请号：CN202410767502.0
申请日：2024-06-14
Applicant: 西南交通大学
Abstract: 本发明公开了一种无人机辅助的车队数字孪生资源分配和车队控制优化方法，具体为：建立一个由车队物理系统PPS、无人机和车队数字孪生PDT组成的网络模型，考虑车辆和无人机动态数据，引入信息年龄AoI模型，通过联合优化车队系统的传输功率和计算功率分配，以PDT的平均峰值AoI与长期平均能耗的加权和最小化建立目标模型；将动态资源优化问题表述为马尔可夫决策过程MDP模型，基于DDPG算法和Dirichlet分布的D3PGRA方法优化求解。本发明考虑了数字孪生地同步时延和车队地控制，可以同时优化车队数字孪生的信息年龄和车队的控制策略，能有效解决车队功率分配和车队控制联合优化问题。
-
公开(公告)号：CN107592185B
公开(公告)日：2020-03-20
申请号：CN201710588569.8
申请日：2017-07-19
Applicant: 西南交通大学
Abstract: 本发明提供了一种适用于网络编码传输控制协议的前向重传方法，包括：发送端对编码报文进行编号，在编码报文头部附有编号字段Pid；发送端记录每个编码报文是由哪几个原始报文组成，接收端对于收到的每个编码报文都需要回复ACK报文，在回复的确认报文中附有字段Pid‑reply；发送端根据Pid‑reply、网络编码层确认序号和组成编码包的原始数据包信息间接获知链路丢失的报文，并维护一个重传报文的链表；发送端的网络编码层在收到上层TCP传下来的重传报文时，启动前向重传机制，对重传链表的报文进行重传。本发明让基于网络编码传输控制协议协议能在一个往返时延内重传所有丢失报文，有助于提高基于网络编码传输控制协议的传输吞吐率。
-
公开(公告)号：CN107547436A
公开(公告)日：2018-01-05
申请号：CN201710588547.1
申请日：2017-07-19
Applicant: 西南交通大学
IPC: H04L12/823 , H04L12/835
Abstract: 本发明公开了一种基于网络编码的传输控制协议的编译码方法，本方法在网络编码层优化了编码方法，区分了正常数据包还是冗余包，对不同类型的数据报文，采用不同的编码方式，对于正常的编码数据包采用直接异或的方式实现编码；对于冗余数据报文，其编码系数随机选取自范德蒙矩阵中的某一行，然后根据编码系数利用线性编码方法获得冗余编码数据包，降低编码复杂度；在网络层优化编码数据包头部的设计，全面考虑了编码系数和译码所需的参数，缩短了编码头部开销，提高了传输效率；在网络编码层优化了译码算法，使得高斯消元过程更加简单，从而降低了译码复杂度。
-
公开(公告)号：CN117641288B
公开(公告)日：2024-11-01
申请号：CN202311371217.9
申请日：2023-10-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于DDPG算法的去中心化自适应计算卸载方法，用于卡车车队系统，该方法中，DDPG由actor网络和critic网络两部分组成，每部分包含一个在线主网和一个目标网络；执行该方法时，初始化所有网络的参数，使DDPG与环境交互，然后将每个时刻生成的轨迹元组作为训练数据集存储到经验回放池中；在训练阶段，从经验回放池中随机选择一个包含N个轨迹元组的小批量样本送到DDPG中以更新网络参数；critic的主网络采用随机梯度下降方法来更新其参数，actor的主网络根据critic主网络提供的梯度来更新其网络的参数。本发明可以降低卡车车队系统的平均能耗和任务平均计算时延。
-
公开(公告)号：CN118012601B
公开(公告)日：2024-09-06
申请号：CN202311607887.6
申请日：2023-11-29
Applicant: 西南交通大学
IPC: G06F9/50 , G06N3/0499 , G06N3/063 , G06N3/092 , G06N3/098 , G06Q30/0283
Abstract: 本发明公开了一种考虑评论信息影响的车辆边缘计算系统的资源分配方法，具体为：构建一个由两个有竞争关系的边缘服务器组成的市场，在两个服务阶段中提供计算卸载服务；每个服务阶段开始时，两个边缘服务器都在博弈后宣布他们的最优定价策略，第二阶段的定价策略受到第一阶段结束时车辆生成的评价信息的影响；车辆根据服务信息、定价、车辆偏好和评价信息选择他们的边缘服务器；然后根据选择相同边缘服务器的其他车辆的资源请求信息决定自己的请求策略；在车辆不愿意公开他们的资源请求信息的情况下，使用深度强化学习框架来最大化车辆的效用。本发明能够在任何阶段或服务器场景中实现车辆之间的纳什均衡，实现最大化所有车辆的总体利益。
-
Patent Agency Ranking
公开(公告)号：CN107508655B
公开(公告)日：2020-08-07
申请号：CN201710588600.8
申请日：2017-07-19
Applicant: 西南交通大学
Abstract: 本发明公开了一种自适应端到端网络编码传输方法，主要包括：在网络编码层，维持这一个缓存TCP层原始数据报文的发送队列，在发送报文时，编码窗口长度固定为N，其可根据新的需要发送的数据报文的到达有序的向后滑动；在网络编码层通过冗余编码来实现对抗网络拥塞丢包；在接收端维持三个译码相关的队列实现对于不同数据报文的处理，乱序的或者对将来数据报文译码有价值的报文缓存在待处理数据报文队列中，等待网络编码层处理，对当前译码有价值的数据报文缓存在正在译码的报文队列中，已经译码的报文缓存在被译码数据报文队列中，等待上传给TCP层或者等待TCP层接收确认。本发明能够保证良好的传输速率，也能提高带宽利用率。
-
公开(公告)号：CN109831522A
公开(公告)日：2019-05-31
申请号：CN201910178826.X
申请日：2019-03-11
Applicant: 西南交通大学
Abstract: 本发明公开一种基于SMDP的车联云雾系统动态资源优化管理系统和方法，首先提出了一种由中心云、雾服务层和车载云构成的云雾一体化的车联网架构，从车载终端到雾服务中心再到云服务中心，充分利用整个云雾计算系统的资源，针对目前大多数关于车联网络中动态资源优化方法没有充分考虑系统最大收益的问题，还提出了一种高能效的基于半马尔可夫决策过程的动态资源优化模型，该模型不仅使整个系统收益最大化，同时也能大幅度提高车联网用户的满意度。本发明与传统的贪婪算法以及遗传算法相比，在降低服务阻塞率的同时能使系统获得更高的长期收益。
-
公开(公告)号：CN107046690A
公开(公告)日：2017-08-15
申请号：CN201611075457.4
申请日：2016-11-29
Applicant: 西南交通大学
IPC: H04W16/14
Abstract: 本发明公开了一种认知Femtocell网络混合频谱接入方法，建立了基于不完美频谱感知的认知Femtocell网络联合子信道与功率分配算法，所述算法在满足认知家庭用户的服务质量QoS、保证宏用户的通信质量不受影响的前提下，联合子信道与功率分配，最大化认知Femtocell系统容量；提出一种认知Femtocell系统混合频谱接入资源分配方法，给出了认知Femtocell系统下行链路认知Femtocell基站划分为内部Femtocell基站与外部Femtocell基站的划分策略，内部Femtocell基站采用Overlay模式，外部Femtocell基站选择Underlay模式，可以使得认知Femtocell系统中认知FUs获得较高系统容量；本发明中混合频谱接入方案较Overlay模式、Underlay模式可以获得更好系统容量，改善系统频谱利用。
-
公开(公告)号：CN106792893A
公开(公告)日：2017-05-31
申请号：CN201611075396.1
申请日：2016-11-29
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于最大接收功率的异构蜂窝网络接入方法，其主要步骤为：先比较终端从各个基站接收到的信号功率，依据接收到的最大值判断终端是否为基站型；终端若是基站型，则直接接入基站；终端若不是，系统需依据剩余带宽、信号与干扰噪声比继续判断，判定终端是小蜂窝接入还是协作接入；若出现多个终端请求接入，系统会按照终端请求接入时间、用户等级和数据速率建立排队模型，确立终端接入的优先级。本发明在系统资源不变的情况下，能够最大化小区内终端总吞吐量；改进方案有助于提升系统吞吐量，对系统资源的使用更加充分。
-
公开(公告)号：CN117891590A
公开(公告)日：2024-04-16
申请号：CN202311603972.5
申请日：2023-11-28
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度强化学习的自动驾驶的安全冗余和资源分配方法，具体为：通过构建一个在移动边缘计算MEC下，城市道路上自动驾驶车辆行为转变请求的动态资源分配问题的模型框架，以应对车辆面临的潜在紧急情况，同时平衡系统的收入和支出，以获得最佳的整体系统利益；使用深度强化学习算法求解资源分配问题。本发明考虑了车辆优先级下的计算资源的合理分配和安全冗余的设置，同时可以避免由于系统内部状态和动作空间增加而可能产生的维度爆炸问题，可以准确选择合适的动作，加速收敛速度，获得更大的回报。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.03 seconds)
