无人集群自适应组网方法与装置

    公开(公告)号:CN116367178A

    公开(公告)日:2023-06-30

    申请号:CN202310627358.6

    申请日:2023-05-31

    Abstract: 本发明提供了一种无人集群自适应组网方法与装置,涉及通信的技术领域,该方法首先根据无人节点之间信噪比和链路有效值构建出当前时隙下无人集群对应的图结构,然后利用裂变谱聚类算法对上述图结构进行谱聚类处理,得到多个子图,其中,裂变谱聚类算法包括以下聚类条件:每个子图中无人节点的数量小于或等于预设阈值,每个子图中至少存在一个与其他无人节点之间的信噪比均小于预设信噪比限值的目标无人节点。裂变谱聚类算法的聚类条件能够确保分簇结果中保留高性能通信链路,同时确保簇结构的合理性、稳定性及其通信能力。因此,该方法能够有效地缓解现有的无人集群聚类算法存在的无法保障分簇后的无人集群通信性能的技术问题。

    无人集群智能模型训练方法、装置和电子设备

    公开(公告)号:CN115329985A

    公开(公告)日:2022-11-11

    申请号:CN202211087378.0

    申请日:2022-09-07

    Abstract: 本发明提供了一种无人集群智能模型训练方法、装置和电子设备,涉及通信的技术领域,该方法将无人集群的训练划分为簇内集中式联邦学习和簇间分布式联邦学习两个阶段,簇内集中式学习时,簇头作为模型所有者来和簇内节点进行参数传递,并进行模型聚合,从而缓解了传统的集中式联邦学习方式存在的通信拥塞和计算瓶颈的技术问题;并且,簇间分布式学习时,由于只有邻居簇头间进行参数传输和模型聚合,所以与传统分布式联邦学习相比,本发明还能有效地减少通信能耗。

    一种细粒度网络态势感知与源路由智能优化方法与装置

    公开(公告)号:CN115037667B

    公开(公告)日:2022-11-08

    申请号:CN202210953069.0

    申请日:2022-08-10

    Abstract: 本发明提供了一种细粒度网络态势感知与源路由智能优化方法与装置,涉及通信的技术领域,包括:获取目标网络内所有网络设备的状态信息和待传送数据包的属性信息,利用深度强化学习算法对状态信息和属性信息进行处理,得到待传送数据包的路由路径。深度强化学习算法中,每条可选路由路径的奖励为可选路由路径上每个网络设备的奖励之和,且每个网络设备的奖励为网络设备的节点时延与目标网络的最大链路利用率的加权和的相反数,因此,本发明方法可以在最小化最大链路利用率和路径时延的情况下,计算出最优路由路径,从而不会导致大量数据流堆积在同一路径,避免出现网络拥塞的问题,保证了数据包传输的及时性,进而提升了整体网络传输性能。

    无人集群飞行策略的确定方法、装置和电子设备

    公开(公告)号:CN114942653B

    公开(公告)日:2022-10-25

    申请号:CN202210881139.6

    申请日:2022-07-26

    Abstract: 本发明提供了一种无人集群飞行策略的确定方法、装置和电子设备,涉及通信的技术领域,包括:获取目标区域内无人集群的位置信息、所有地面用户的位置信息和正常地面基站的通信吞吐量;无人集群包括多个无人机基站;基于每个无人机基站的位置信息和所有地面用户的位置信息,确定每个无人机基站的状态信息;利用目标混合网络模型对所有无人机基站的状态信息和正常地面基站的通信吞吐量进行处理,得到每个无人机基站的动作信息,以确定无人集群的飞行策略。目标混合网络模型为每个无人机基站都设有相应的单智能体网络模型,避免了环境非平稳的问题;目标混合网络模型基于联合动作价值函数进行训练,解决了动作空间维度爆炸的技术问题。

    无人集群飞行策略的确定方法、装置和电子设备

    公开(公告)号:CN114942653A

    公开(公告)日:2022-08-26

    申请号:CN202210881139.6

    申请日:2022-07-26

    Abstract: 本发明提供了一种无人集群飞行策略的确定方法、装置和电子设备,涉及通信的技术领域,包括:获取目标区域内无人集群的位置信息、所有地面用户的位置信息和正常地面基站的通信吞吐量;无人集群包括多个无人机基站;基于每个无人机基站的位置信息和所有地面用户的位置信息,确定每个无人机基站的状态信息;利用目标混合网络模型对所有无人机基站的状态信息和正常地面基站的通信吞吐量进行处理,得到每个无人机基站的动作信息,以确定无人集群的飞行策略。目标混合网络模型为每个无人机基站都设有相应的单智能体网络模型,避免了环境非平稳的问题;目标混合网络模型基于联合动作价值函数进行训练,解决了动作空间维度爆炸的技术问题。

    基于AP聚类的网络流量分类方法及装置

    公开(公告)号:CN114511040A

    公开(公告)日:2022-05-17

    申请号:CN202210330096.2

    申请日:2022-03-31

    Abstract: 本发明提供了一种基于AP聚类的网络流量分类方法及装置,涉及电力的技术领域,包括先针对各目标小区,获取目标小区设定时间范围内的原始负荷数据,并基于原始负荷数据生成目标小区的典型日负荷曲线;然后针对各目标小区的典型日负荷曲线,基于典型日负荷曲线提取预设日负荷指标的特征值;最后基于各目标小区的典型日负荷曲线的特征值,采用负荷聚类算法,对各目标小区的典型日负荷曲线进行聚类分析,得到典型日负荷曲线聚类结果。由于该负荷聚类算法自身具有无需人工指定分类结果数量、质心存在于实际样本中的特点,因此本发明能够基于具有上述特点的负荷聚类算法得到精准、有效的典型日负荷曲线聚类结果。

    MIMO资源优化方法、装置和电子设备

    公开(公告)号:CN114221686A

    公开(公告)日:2022-03-22

    申请号:CN202210154367.3

    申请日:2022-02-21

    Abstract: 本发明提供了一种MIMO资源优化方法、装置和电子设备,涉及通信的技术领域,包括获取待优化MIMO地理区域的备选子波束集合和目标天线权值组的权值数量;基于权值数量和备选子波束集合确定初始飞蛾种群;利用预设飞蛾扑火算法对初始飞蛾种群进行迭代更新,直至达到预设结束条件;将预设结束条件下的最优飞蛾智能体对应的可选天线权值组确定为待优化MIMO地理区域的目标天线权值组。该方法采用的预设飞蛾扑火算法是基于策略函数和贪婪算法确定每代飞蛾种群中每个飞蛾智能体动作的算法,相比传统群体智能飞蛾扑火算法中的飞蛾单智能体的固定动作策略,该方法解决了传统算法存在的无效寻优问题,提升了算法对MIMO天线权值组的寻优速度。

    基于知识图谱的软件定义网络路由选择方法和系统

    公开(公告)号:CN112333102B

    公开(公告)日:2021-09-14

    申请号:CN202011206565.7

    申请日:2020-11-02

    Abstract: 本发明提供了一种基于知识图谱的软件定义网络路由选择方法和系统,应用于SDN网络的全局控制器;方法包括:基于SDN网络中的节点信息和链路信息,对SDN网络进行实体与关系抽取,建立关于SDN网络的多个关系三元组;基于多个关系三元组对预设知识图谱映射模型进行训练,得到目标知识图谱映射模型;目标知识图谱映射模型包括:节点向量,链路向量,报文向量和关系向量;获取路由请求报文,并基于路由请求报文构建路由请求向量;基于路由请求向量和目标知识图谱映射模型,对路由请求报文进行路由关系预测,确定目标路由。本发明缓解了现有技术中基于矩阵建模的SDN路由算法存在着可扩展性差、有效性和准确性低的技术问题。

    一种基于网内计算平台的物联网设备计算卸载架构

    公开(公告)号:CN112671852A

    公开(公告)日:2021-04-16

    申请号:CN202011470288.0

    申请日:2020-12-14

    Abstract: 本发明公开了一种基于网内计算平台的物联网设备计算卸载架构。本发明包括INPIE Service Cluster、ME Cluster、Remote Cloud,所述INPIE Service Cluster作为提供网内计算卸载服务的主体,所述ME Cluster为MEC计算卸载服务提供主体,所述Remote Cloud为云计算卸载服务提供主体,当前的可编程数据平面设备先天具有低时延,高吞吐的性能优势,可以流水线式地并行处理数据报文,因此会拥有比传统的服务器(主机)计算卸载架构更低的业务响应时延,由于改进后物联网设备计算使可编程数据平面设备辅助物联网设备更好的进行计算卸载,同时能与MEC和云计算框架融合,所以产生了提高业务的时延,吞吐量性能,提高实时业务的保障能力的效果。

    基于知识图谱的软件定义网络路由选择方法和系统

    公开(公告)号:CN112333102A

    公开(公告)日:2021-02-05

    申请号:CN202011206565.7

    申请日:2020-11-02

    Abstract: 本发明提供了一种基于知识图谱的软件定义网络路由选择方法和系统,应用于SDN网络的全局控制器;方法包括:基于SDN网络中的节点信息和链路信息,对SDN网络进行实体与关系抽取,建立关于SDN网络的多个关系三元组;基于多个关系三元组对预设知识图谱映射模型进行训练,得到目标知识图谱映射模型;目标知识图谱映射模型包括:节点向量,链路向量,报文向量和关系向量;获取路由请求报文,并基于路由请求报文构建路由请求向量;基于路由请求向量和目标知识图谱映射模型,对路由请求报文进行路由关系预测,确定目标路由。本发明缓解了现有技术中基于矩阵建模的SDN路由算法存在着可扩展性差、有效性和准确性低的技术问题。

Patent Agency Ranking