-
公开(公告)号：CN101159655A
公开(公告)日：2008-04-09
申请号：CN200710135027.1
申请日：2007-11-02
Applicant: 南京大学
Abstract: 本发明公开了一种能有效预防无结构对等网络覆盖网分割问题的方法，包括以下步骤：1.启动检测，即网络中每个结点向其邻居发送启动检测消息；2.探测可达性，即让每个结点的邻居可达性消息在整个网络中不断更新和扩散；3.划分子集，即每个结点收集其邻居可达性消息并据此将其邻居划分到若干个子集中；4.判定分点，即每个结点根据其邻居划分子集的结果判定自身是否为分点，分点是易导致覆盖网分割的结点；5.分点避免，即每个分点通过适当加边的方法合并邻居子集从而使自身成为非分点结点；6.适当减边；7.结束。本发明是纯分布式的方法，实现起来十分简单并且可方便地嵌入到现有无结构对等网络中。
-
公开(公告)号：CN101159654A
公开(公告)日：2008-04-09
申请号：CN200710135026.7
申请日：2007-11-02
Applicant: 南京大学
Abstract: 本发明公开了一种优化对等网络双层匹配性的实用方法，该方法包括以下步骤：1.每个结点对其邻居结点时延信息采集；2.每个结点对于任意一个结点的探测；3.两个结点的时延信息交换；4.根据已有的时延信息，做可能的结点交换；5.结束。本发明与现有技术相比，其显著优点是：它是协议无关的方法，可以应用于无结构和结构化对等网络。实现起来十分简单，并且可以和其他技术结合使用，达到更好的效果。
-
公开(公告)号：CN119476402A
公开(公告)日：2025-02-18
申请号：CN202411315203.X
申请日：2024-09-20
Applicant: 南京大学
IPC: G06N3/092
Abstract: 本发明公开了一种基于形式化验证与解释的深度强化学习模型训练方法，包括：在形式化验证过程中，通过单次验证方法判断当前深度强化学习模型是否满足额外训练终止条件，若满足，终止训练；否则，通过间隙测量方法测量当前深度强化学习模型与额外训练终止条件之间的状态间隙；在解释过程中，通过基于敏感性分析方法的密度测量方法解释测量额外训练终止条件中定义的约束空间内状态特征的密度；在训练过程中，当前深度强化学习模型与环境交互，产生轨迹，存储于缓冲区；通过状态间隙和约束空间内状态特征密度的奖励重塑方法更新轨迹中的当前奖励值，并根据更新后的轨迹更新当前深度强化学习模型。本发明提高了深度强化学习模型的安全性和活性。
-
公开(公告)号：CN112488324B
公开(公告)日：2024-03-22
申请号：CN202011555400.0
申请日：2020-12-24
Applicant: 南京大学
Abstract: 本发明公开了一种基于版本控制的分布式机器学习模型更新方法，包括：工作节点基于本地参数以及其版本进行梯度计算和版本传递，随后发送包含版本信息的push请求向服务器节点通信；参数服务器将根据push请求的版本信息判断所属工作节点的通信合法性，并进行相应的操作；参数服务器收集梯度，并根据强化学习方法所得到的控制信息控制全局参数更新和通信；参数服务器发送当前最新全局参数以及版本信息，接收到的工作节点进行本地参数以及版本的更新。本发明能够采用版本控制动态评估当前分布式系统的硬件效率和统计效率，并且采用在线强化学习方法动态追踪两者的最佳权衡以实现最优整体性能。
-
公开(公告)号：CN113791878B
公开(公告)日：2023-11-17
申请号：CN202110828570.X
申请日：2021-07-21
Applicant: 南京大学
Abstract: 本发明公开了一种边缘计算中截止日期感知的分布式任务卸载方法，包括：移动用户端将任务的卸载请求发送至信号覆盖范围内的若干个基站；基站将与之相连的边缘服务器信息发送至移动用户端；移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算；边缘服务器接收移动用户端发送的分配任务，根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度，以最大化边缘计算网络中完成任务的收益。本发明能够扩大边缘计算系统卸载任务的类型；避免了集中式控制器带来的单点失效，卸载决策慢等问题。
-
Patent Agency Ranking
公开(公告)号：CN110795860B
公开(公告)日：2023-10-17
申请号：CN201911085296.0
申请日：2019-11-08
Applicant: 南京大学
IPC: G06F30/20
Abstract: 一种移动受限的有向无线充电器布置方法，包括充电问题形式化阶段、充电功率近似和充电功率等效子区域构造阶段、构造MCS等效子区域阶段、候选布置位置提取阶段、问题重构和求解阶段，其中：充电问题形式化阶段，首先提出网络模型、移动模型和充电模型，其次提出充电效用模型，然后形式化移动受限的有向无线充电器布置问题；充电功率近似和充电功率等效子区域构造阶段，使用分段常数函数近似非线性充电功率，从而将2D区域Ω划分为多个充电功率等效子区域；构造MCS等效子区域阶段，表示充电器覆盖的极大设备集，将候选布置位置的无限解空间约简到有限位置，并将PILOT转换为混合整数非线性规划问题。以基于线性规划的贪心算法解决该问题。
-
公开(公告)号：CN112288233B
公开(公告)日：2023-09-12
申请号：CN202011050958.3
申请日：2020-09-29
Applicant: 南京大学
IPC: G06Q10/0631 , G06Q30/0601 , G06Q30/0645 , G06N3/049 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种适于乘客等待时间分布随时间变化的网约车订单分配方法，包括：根据乘客等待时间分布变化范围计算出该分布变化范围下批处理算法对应的最优的匹配间隔并对不同的乘客等待时间分布训练不同的深度强化学习模型，将上述具有不同匹配间隔的批处理算法和适应不同乘客等待时间分布的深度强化学习模型合并为一个算法集合；当有订单到来时，采用预设的选择模型在算法集合中选择其中一个算法进行分配订单，根据收益反馈对选择模型中的参数进行更新；结合收益反馈检测乘客等待时间分布是否变化，若发生变化则重启选择模型并清空反馈记录。本发明能够随乘客等待时间和数目分布变化而不断调整分配从而最大化网约车平台收益。
-
公开(公告)号：CN112785143B
公开(公告)日：2023-08-22
申请号：CN202110067211.7
申请日：2021-01-19
Applicant: 南京大学
IPC: G06Q10/0631 , G06Q10/0639 , G06Q30/0601 , G06Q30/0645 , G06Q50/30
Abstract: 本发明公开了一种引入乘客接驾时间满意度的网约车派单方法，包括：利用网约车历史订单信息估算得到不同时间空间状态下的乘客的预期接驾时间和实际接驾时间，计算得到乘客接驾时间满意度；根据时空分布，对司机群体和乘客群体进行类型划分，基于司机类型群体和乘客类型群体构建一个点带权的二分图，在司机接驾范围内的乘客存在一条连边，点的权值为乘客打车所需要的费用；分别建立最大化司机总收益Profit和最大化乘客接驾时间满意度公平性PTSF的线性规划；离线计算得到两个目标的分数解，利用KIID模型进行在线订单分派。本发明能够在考虑司机对较高的订单收益的需求的同时，考虑乘客接驾时间满意度的公平性的问题，对这两个不同目标进行有效权衡。
-
公开(公告)号：CN116483115A
公开(公告)日：2023-07-25
申请号：CN202310279373.6
申请日：2023-03-21
Applicant: 南京大学
IPC: G05D1/10
Abstract: 本发明公开了一种考虑地面安全性的多无人机监控方法，通过建模和求解多目标优化问题，能够在优化地面目标安全性的同时，最大化网络的监控效用。包括如下步骤：常数化近似监控效用和安全奖励函数；实时获取所有目标的位置和朝向，执行近似方案将二维平面划分为有限个子区域；在每个子区域应用候选监控策略提取算法，得到有限的候选监控策略集合；通过贪心算法得到具有(1‑1/e‑ò)近似比的可行解；求解最小匹配问题，以找到各无人机将要前往的新的位置坐标，保证移动的总路程最短，应用轨迹规划算法，以安全地让无人机前往新的部署位置，持续可靠地执行监控任务。本发明可解决现有无人机部署方法忽视地面安全性导致的实用性不足的问题。
-
公开(公告)号：CN115277531B
公开(公告)日：2023-07-25
申请号：CN202210909508.8
申请日：2022-07-29
Applicant: 南京大学
Abstract: 本发明公开了一种面向云上广域网的多径瓶颈公平性约束的两阶段路由方法。首先，本方法将网络抽象为有向图模型，将带宽分配方案形式化描述。其次，本发明方法基于上述模型建立了多径瓶颈公平性约束条件。然后，本发明方法实现了一种基于链路层级的两阶段路由算法。最后，根据带宽分配结果缩减网络，得到多径瓶颈公平分配方案。本发明方法能够有效地提升总吞吐量，或是在总吞吐量持平的基础上，大幅提升公平性。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.034 seconds)
