-
公开(公告)号：CN119415074A
公开(公告)日：2025-02-11
申请号：CN202411515816.8
申请日：2024-10-29
Applicant: 燕山大学
IPC: G06F8/30 , G06F11/3668 , G06N5/04
Abstract: 本发明公开一种基于大语言模型的最小化修改程序修复方法、装置及系统和存储介质，其中方法包括：获取待修复程序和问题描述；初始化修改行数限制为1，设置大语言模型的温度为0；确定当前缺陷代码的所有信息；基于设定的最大修改行数，利用大语言模型进行推理生成修复结果；利用测试用例验证修复结果的正确性；在修复结果正确的情况下，将正确的修复结果保存至数据库，在修复结果错误的情况下，并令修改行数加1，大语言模型重新基于当前缺陷代码的所有信息进行推理，更新修复结果，并利用测试用例验证更新的修复结果的正确性；若当前修改行数大于设定的最大修改行数，则直接结束修复流程。本发明的方法可以有效提高程序修复正确性。
-
公开(公告)号：CN115016861B
公开(公告)日：2024-12-10
申请号：CN202210669908.6
申请日：2022-06-14
Applicant: 燕山大学
IPC: G06F9/445 , G06F9/50 , G06F30/20 , G06F111/06 , G06F111/08 , G06F111/02
Abstract: 本发明提供了一种带有任务重试的MEC任务卸载策略及优化方法，其包括：求解任务在本地处理器接受服务的第一平均时延，求解任务卸载到边缘服务器接受服务的第二平均时延，进而求解任务的平均时延，将多个性能指标的折衷优化问题抽象为多目标优化问题，利用NSGA‑III算法，运用MATLAB软件求解多目标优化问题，得到满足条件的帕累托Pareto前沿点。本发明针对边缘网络设备的局限性，在保证终端用户服务质量的前提下，在边缘层引入任务重试机制，可有效降低任务丢弃率，提升边缘系统吞吐量，并辅助遴选出合适的最优解，提升系统利用率。
-
公开(公告)号：CN117042051A
公开(公告)日：2023-11-10
申请号：CN202311096130.5
申请日：2023-08-29
Applicant: 燕山大学
Abstract: 本发明公开一种车联网中任务卸载策略生成方法、系统、设备及介质，涉及车联网资源管理技术领域。所述方法包括：获取车辆设备任务；根据任务处理网络架构，对所述车辆设备任务进行不同处理网络层的系统性能计算，得到多层系统性能参数；所述任务处理网络架构是根据车辆设备、路侧单元和远程云构建的；所述系统性能参数包括：时延、能耗和成本；以最小时延为目标，并结合能耗和成本构建优化问题，对所述优化问题进行求解，得到车联网中任务卸载策略；所述优化问题为基于带宽分配和缓存分配的优化问题。本发明能够通过长期在线分配策略去解决任务卸载中的带宽分配和缓存分配问题，实现保障系统服务质量。
-
公开(公告)号：CN115017714A
公开(公告)日：2022-09-06
申请号：CN202210669718.4
申请日：2022-06-14
Applicant: 燕山大学
IPC: G06F30/20 , G06F9/445 , G06F9/50 , G06F17/17 , G06F111/08 , G06F111/04 , G06F119/02
Abstract: 本发明提供了一种基于双层边缘结构的MEC任务卸载策略的性能评估方法，其包括：分别求解时延任务在本地和边缘层处理的平均时延和平均电池电量；运用全概率公式计算时延任务在MEC系统中的平均电池电量，进而获得MEC系统的平均电池电量；权衡时延任务的平均时延和MEC系统的平均电池电量，构建带有多个不等式约束的MEC系统评价函数；利用基于拉格朗日乘子的一般约束乘子法PHR，运用MATLAB求解使得MEC系统评价函数达到最小值的策略优化结果，得到最优的任务卸载概率组合，时延任务包括实时任务和非实时任务。本发明面向实时任务和非实时任务，基于双层边缘结构对MEC系统的任务进行了合理分配决策，有着低时延、低电池电量等特点和高效的卸载性能。
-
公开(公告)号：CN113692037B
公开(公告)日：2022-08-30
申请号：CN202110980830.5
申请日：2021-08-25
Applicant: 燕山大学
IPC: H04W52/02 , H04W28/02 , H04W24/02 , H04L47/24 , H04L47/6275 , H04L47/32 , H04B17/382 , H04W16/14
Abstract: 本发明公开了一种基于认知基站的休眠方法及其性能评估方法，属于认知无线电领域，包括主用户数据包端口、次级用户数据包端口、两个休眠计时器和两个缓冲区；基站休眠方法包括基站唤醒状态下数据包传输、无数据包时基站休眠、休眠计时器计时；性能评估方法包括引入马尔可夫到达过程来刻画数据包的到达过程；通过建立基于抢占优先级和两个休眠计时器休假的MAP/M/1排队模型，以认知无线电网络中主用户和次级用户数据包的平均逗留时间和系统的能源节省率为目标对模型进行评估；针对次级用户制定定价策略实现次级用户的纳什均衡发送概率和社会最优发送概率的统一。本发明保证用户的服务体验，降低认知无线电网络中基站的能耗水平。
-
Patent Agency Ranking
公开(公告)号：CN113238814B
公开(公告)日：2022-07-15
申请号：CN202110513018.1
申请日：2021-05-11
Applicant: 燕山大学
Abstract: 本发明提供一种基于多用户和分类任务的MEC任务卸载系统及优化方法，其包括本地端、边缘端和云端。本发明提出的任务卸载系统及优化方法是根据任务的最优卸载策略参数，决策该任务是在本地端进行处理，还是传输至边缘端，由边缘端或云端处理。由于本发明对各类任务均设置了合理的卸载策略参数，故，本发明可以在保障运营商获利的前提下，提高移动设备的能耗利用率，并提升MEC系统响应性能，从而使用户和运营商的需求得到满足。
-
公开(公告)号：CN110149341B
公开(公告)日：2020-06-16
申请号：CN201910455886.1
申请日：2019-05-29
Applicant: 燕山大学
Abstract: 本发明提供了一种基于休眠模式的云系统用户接入控制方法，云系统包括云用户、虚拟机和云供应装置，方法包括：根据新到达云用户在进入云系统前检测出的已在云系统的云用户数量、虚拟机的唤醒状态和休眠状态，求解新到达云用户的预期延迟，并针对单个云用户建立个体目标函数；并设置差异化的系统缓存容量，建立多重同步休眠模型；构造一步转移率矩阵，并根据云系统状态的转移过程建立稳态方程，得出云系统模型的稳态解；针对云系统中的所有云用户，建立总体目标函数，给出云用户集成组件优化接入控制模型；确定出云用户的单组件优化接入阈值与集成组件优化接入阈值的关系。本发明实现绿色云环境下用户接入控制的优化，提高系统的能量效率。
-
公开(公告)号：CN109787704A
公开(公告)日：2019-05-21
申请号：CN201910154095.5
申请日：2019-03-01
Applicant: 燕山大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明属于时钟同步技术领域，具体涉及一种基于非对称链路的时间偏差补偿方法，包括以下步骤：确定主时钟和从时钟，初始化网络；主从时钟间的时钟同步；对报文经过透明时钟(TC)的转发时延进行校正；通过三层BP神经网络模型得出θnj；对非对称链路时间偏差进行补偿；本发明对所需传送的同步报文通过M/M/1报文排队系统预处理，并结合三层BP神经网络结构有效的得出非对称链路时间偏差的补偿，本发明能够同时适用于直连非对称链路的时间偏差补偿和非直连非对称链路的时间偏差补偿。
-
公开(公告)号：CN115150837B
公开(公告)日：2025-01-14
申请号：CN202210669922.6
申请日：2022-06-14
Applicant: 燕山大学
IPC: H04W16/10 , H04W28/08 , H04W74/0833 , H04B17/382
Abstract: 本发明提供了一种基于双频谱池的动态频谱分配方法，其包括：确定用于动态频谱分配的相关参数，基于相关参数确定新到达主要用户的分配，构建随机抢先式接入策略和冲突避免协作式接入策略相结合的动态频谱分配策略模型，确定新到达一类次级用户和二类次级用户的分配，求解一类次级用户和二类次级用户的阻塞率、掉话率及主要用户、一类次级用户和二类次级用户的吞吐量，折衷各项系统的性能指标，构造系统效益函数，获得系统效益最大的CP信道数和RP信道数及最优次级用户到达率。本发明针对两类次级用户，构建随机抢先式接入策略和冲突避免协作式接入策略相结合的动态频谱分配策略模型，得到稳态下次级用户的相关性能指标以评估系统性能，适用性更好。
-
公开(公告)号：CN116133049A
公开(公告)日：2023-05-16
申请号：CN202211726102.2
申请日：2022-12-29
Applicant: 燕山大学
Abstract: 本发明公开了一种基于DRL与安全的云边端协同MEC任务卸载策略，包括以下内容：MEC系统架构由本地端，边缘层，云层三部分组成。基于普通用户与VIP用户，考虑任务的安全性，将边缘层划分为私有边缘资源与公有边缘资源，实现普通任务与安全任务的物理隔离。考虑动态MEC环境，提出一种基于DRL与任务安全的云边端协同任务卸载策略。引入马尔可夫到达过程(MAP)描述任务到达的相关性。针对设备本地端、边缘层、云层分别构建基于MAP的排队模型，并进行稳态分析，求解各类任务的平均时延、实时任务的阻塞率等性能指标。在动态MEC环境下，以最小化系统平均时延为目标，基于DRL理论，利用DDPG算法得到最优任务卸载策略。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.019 seconds)
