-
公开(公告)号：CN113115339A
公开(公告)日：2021-07-13
申请号：CN202110394370.8
申请日：2021-04-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于移动性感知的任务卸载和资源分配联合优化方法，包括利用两阶段随机规划理论，将移动设备与移动边缘设备服务器之间的通信距离建模为一组随机参数，并在时延约束条件下以最小化移动设备的总能耗为目标，建立基于两阶段随机规划的能耗最小化问题的期望值模型，并求解获得移动设备基于最优任务卸载策略、本地最优CPU频率分配策略以及最优传输功率分配策略进行任务卸载决策以及本地CPU频率资源和传输功率的分配；本发明能在设备随机移动的网络环境下，保证设备任务处理时延要求的同时，实现移动设备的能耗最小化。
-
公开(公告)号：CN112600921A
公开(公告)日：2021-04-02
申请号：CN202011472512.X
申请日：2020-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，具体涉及一种面向异构移动边缘网络的动态任务卸载方法，包括移动设备产生计算任务，根据计算任务的属性建立两个任务队列模型，并得出卸载任务的处理策略；计算卸载任务的卸载效用、通信成本以及通信与计算能耗成本；建立移动设备在进行任务卸载中的系统模型，并以最大化时间平均卸载收益为优化目标的任务卸载问题；根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题，通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程；根据计算任务卸载的属性请求，建立搜索树，进行快速的分支定界，得到移动设备最优的卸载策略和卸载的任务量；本发明能够保证系统的稳定性，最大化系统的时间平均卸载收益。
-
公开(公告)号：CN111163521A
公开(公告)日：2020-05-15
申请号：CN202010046733.4
申请日：2020-01-16
Applicant: 重庆邮电大学
Abstract: 本发明属于无线通信技术领域，涉及移动边缘计算中一种分布式异构环境下的资源分配方法；所述方法包括根据MEC环境中不同业务类型对应的卸载时延，建立多样化的任务卸载模型；建立用户与MEC服务器之间的买卖博弈模型；并分别建立用户以及MEC服务器的最大化收益模型；采用李雅普诺夫优化算法对用户模型进行改进，通过拉格朗日乘子法和KKT条件求解出用户的最优购买策略；基于该策略，求解出MEC服务器的最优报价策略；若最优购买策略和最优报价策略满足斯坦科尔伯格均衡解，MEC服务器则按照最优策略对不同用户的计算资源按需分配。通过该方法可以实现对用户卸载收益和时延的折中，以及任务卸载和计算资源分配的弹性控制和按需分配。
-
公开(公告)号：CN116233926B
公开(公告)日：2025-05-20
申请号：CN202310144930.3
申请日：2023-02-21
Applicant: 重庆邮电大学
Abstract: 本发明属于移动通信技术领域，具体涉及一种基于移动边缘计算的任务卸载及服务缓存联合优化方法；该方法包括：构建移动边缘计算系统网络模型；基于移动边缘计算系统网络模型构建通信模型、计算卸载模型和服务缓存模型；根据通信模型、计算卸载模型和服务缓存模型建立任务卸载及服务缓存联合优化问题；采用基于DPFL算法的分布式边缘协同卸载和服务缓存方法求解任务卸载及服务缓存联合优化问题，得到任务卸载策略和服务缓存策略；考虑到用户对应用偏好的差异，利用个性化联邦学习算法基于历史请求信息预测流行服务，使MEC服务器做出更优的决策，可实现低任务处理时延和设备能耗，以及高缓存命中率。
-
公开(公告)号：CN117749324A
公开(公告)日：2024-03-22
申请号：CN202311640155.7
申请日：2023-12-01
Applicant: 重庆邮电大学
IPC: H04L1/00 , G06F21/62 , G06V20/70 , G06N3/0455 , G06N3/098 , G06N3/0464 , G06N3/048 , G06N3/0985 , G06N3/084 , H04W12/02
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于联邦学习的图像语义通信方法，包括构建并训练图像语义通信系统模型；获取待处理图像数据输入训练好的图像语义通信系统模型，得到恢复图像；采用联邦学习方法训练图像语义通信系统模型；本发明通过采用变分自编码器实现图像的语义编码和语义解码，通过FL训练系统模型，将训练过程和学习过程下放到分散的用户边缘设备中，充分利用了用户本地数据，最终进行模型的聚合更新，使系统能够更好地理解和恢复用户发送和接收的图像数据，同时也保护了用户数据的隐私。
-
Patent Agency Ranking
公开(公告)号：CN117098189A
公开(公告)日：2023-11-21
申请号：CN202311101336.2
申请日：2023-08-30
Applicant: 重庆邮电大学
IPC: H04W28/082 , H04W28/084 , H04W28/20 , H04L67/10
Abstract: 本发明涉及一种基于GAT混合动作多智能体强化学习的计算卸载和资源分配方法，包括：创建多基站多用户MEC网络环境下的移动边缘系统；移动边缘系统采用正交频分多址技术为多个用户提供服务，创建用户的本地任务计算模型和用户的边缘任务计算模型；在任务的最大可容忍时延约束下以移动边缘系统的能耗最小化为目标建立资源分配模型；利用分布式马尔可夫决策过程定义系统的全局状态模型、局部观测状态模型、动作模型和奖励模型；在分布式执行阶段，每个智能体的演员网络根据局部观测状态选择动作与环境交互，在集中训练阶段，评论家网络根据共享经验回放池中获取的共享样本对演员网络选择的动作进行评价，输出评价值指导网络进行参数更新。
-
公开(公告)号：CN111401744B
公开(公告)日：2023-04-28
申请号：CN202010184385.7
申请日：2020-03-17
Applicant: 重庆邮电大学
IPC: G06Q10/067 , G06Q30/0283 , H04L67/10 , G06Q10/0631
Abstract: 本发明公开了一种移动边缘计算中不确定性环境下的动态任务卸载方法，该方法充分考虑了在实际分布式物联网环境中，云端任务排队等待时间的不确定性，以及海量物联网设备任务产生的随机性和爆发性，本发明采用买卖博弈模型，将用户端定义为买方，服务器端定义为卖方，并通过引入多阶段随机规划模型，解决云端排队等待时延的不确定性问题，本发明可以在不确定性环境下进行高效的任务卸载，并且可以有效提高任务卸载的成功率。
-
公开(公告)号：CN115175217A
公开(公告)日：2022-10-11
申请号：CN202210758663.4
申请日：2022-06-30
Applicant: 重庆邮电大学
Abstract: 本发明属于移动通信技术领域，涉及一种基于多智能体的资源分配和任务卸载优化方法；所述方法包括将异构网络环境中的边缘云服务器和能量收集使能的移动设备均视为可独立决策的智能体单元，结合实际计算卸载场景，将边缘云资源分配和移动设备任务卸载的收益构造出斯塔克尔伯格博弈模型，考虑到随机时变的边缘环境和不完备的状态观测，将斯塔克尔伯格博弈模型再次建模为部分可观测马尔可夫决策过程，并建立采用多智能体的深度强化学习算法求解部分可观测马尔可夫决策过程博弈模型，以学习最优的边缘云资源协同分配策略和任务卸载策略。本发明能够有效提高边缘云服务器的任务计算成功率，并降低移动设备的任务丢弃率。
-
公开(公告)号：CN114885378A
公开(公告)日：2022-08-09
申请号：CN202210298912.6
申请日：2022-03-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于博弈论的多服务器协作资源分配方法，包括：构建多个边缘服务器协作的系统模型，系统模型中的边缘服务器作为迁移者或协作者；构建迁移者成本模型、协作者成本模型和收益模型，并根据这三个模型，构建买方的最大化收益模型和卖方的最大化收益模型；计算迁移者的最佳迁移策略和协作者向迁移者支付报价的最优动态报价策略；判断最佳迁移策略与最优动态报价策略是否满足斯坦克尔伯格均衡，若是，则根据最优策略实现计算资源分配；本发明实现了对任务迁移和计算资源的弹性控制和按需分配。
-
公开(公告)号：CN113114733A
公开(公告)日：2021-07-13
申请号：CN202110312344.6
申请日：2021-03-24
Applicant: 重庆邮电大学
IPC: H04L29/08
Abstract: 本发明属于移动通信技术领域，特别涉及一种基于能量收集的分布式任务卸载和计算资源的管理方法，包括建立任务本地计算模型和边缘云计算模型；建立出设备端基于扰动李雅普诺夫优化的设备端收益最大化的目标函数及动边缘计算服务器最大化收益的目标函数；设备根据预筛选准则，预选择移动边缘计算服务服务器进行任务的卸载；利用拉格朗日乘子法和KKT条件计算出设备端向所选择的移动边缘计算服务器卸载的最优任务量策略；获得各个时隙内移动边缘计算服务器对设备端的最优报价策略；获取最优任务量策略以及最优动态报价策略满足斯坦克尔伯格均衡的解作为资源分配策略；本发明实现电池能量水平的稳定性管理以及针对异构用户的计算资源按需分配。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
