公开(公告)号：CN118433129A

公开(公告)日：2024-08-02

申请号：CN202410498381.4

申请日：2024-04-24

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  李佳伦 ,  唐桐 ,  祝志远 ,  王汝言 ,  张鸿

IPC: H04L47/38 ,  G06N3/08

Abstract: 本发明涉及一种语义通信码率控制方法，属于通信技术领域。该方法包括：构建在动态通信环境中用户差异化语义通信性能和效率的优化场景；通过码率来构建关于语义通信效率优化问题，即在满足用户对于语义通信质量最低需求下，最大化语义编码对于通信带宽的利用率；针对环境动态变化的特性，设计一种基于经验数据训练的模拟网络，其根据当前信噪比和码率输出对应的语义性能和语义效率；基于DQN的码率控制算法得出控制策略；定义DQN算法相应的组成部分，令语义编码器同时在环境中探索与训练，并更新码率控制决策的模型参数。本发明根据当前通信环境自适应地选择能够最大化语义效率的码率，从而减轻传输带宽的压力。

公开(公告)号：CN118394512A

公开(公告)日：2024-07-26

申请号：CN202410498416.4

申请日：2024-04-24

Applicant: 重庆邮电大学

Inventor： 魏传锋 ,  曹佳 ,  杨静 ,  唐桐 ,  祝志远 ,  吴大鹏 ,  王汝言 ,  张鸿

IPC: G06F9/50 ,  G06F9/54 ,  G06N3/092 ,  G06N5/043

Abstract: 本发明涉及一种边端协同智能卸载方法，属于无线通信领域。该方法包括：构建在卫星边缘计算网络中多任务并行部分卸载优化场景；通过任务队列、任务处理与任务卸载模型构建系统能耗的长期平均值优化问题，其在相关约束条件下以最小化系统能耗的长期平均值；采用李雅普诺夫优化框架将长期多时隙优化问题解耦为能够在每个时隙中求解的确定性问题；将系统能耗的长期平均值优化问题拆分为在线任务卸载子问题和在线资源分配优化子问题，并基于MADRL的在线任务卸载策略求解卸载策略子问题；在输出卸载决策的前提下，引入李雅普诺夫辅助的DRL框架和多智能体近端策略优化MAPPO算法，基于凸优化的资源分配算法求解剩余的资源分配优化变量。

公开(公告)号：CN118215110A

公开(公告)日：2024-06-18

申请号：CN202410505553.6

申请日：2024-04-25

Applicant: 重庆邮电大学

Inventor： 甄岩 ,  陶李天一 ,  邹虹 ,  唐桐 ,  祝志远 ,  吴大鹏 ,  王汝言 ,  张鸿

IPC: H04W52/02 ,  H04W52/26 ,  H04W52/34

Abstract: 本发明涉及一种系统能耗自适应控制方法，属于通信技术领域。该方法包括：构建在超密集网络中集成MIMO技术的基站能耗优化场景；构建系统能耗和用户数据丢失加权优化问题，即通过调节基站休眠模式、天线数量以及用户连接策略，最小化系统能耗与用户数据丢失；将超密集网络环境建模为部分可观测马尔可夫决策过程，运用多智能体近端策略优化算法，并对比两个时隙间的网络相似度，辅助智能体的决策过程，减少基站休眠模式转换频率；通过迭代训练的方式，使模型根据当前网络状态和用户需求做出最优的自适应基站控制决策。本发明在保障用户QoS的同时，最大程度降低了系统能耗。

公开(公告)号：CN116431309A

公开(公告)日：2023-07-14

申请号：CN202310442830.9

申请日：2023-04-23

Applicant: 重庆邮电大学

Inventor： 李职杜 ,  刘涛 ,  唐桐 ,  吴大鹏 ,  王汝言

IPC: G06F9/48

Abstract: 本发明涉及一种任务队列生成和调度方法，属于车联网领域。由于任务间存在依赖关系串行的任务处理方式会带来较大的时延，降低了用户的服务质量。其中，根据任务间子任务关系构建任务依赖的数学模型，并定义子任务的最迟开始时间作为队列排序规则；然后，根据各子任务属性对多车子任务调度的成本进行建模；最后，采用多智能体强化学习方法对各车中子任务队列进行调度以最小化车辆系统的长期平均成本。

公开(公告)号：CN114697333A

公开(公告)日：2022-07-01

申请号：CN202210320833.0

申请日：2022-03-22

Applicant: 重庆邮电大学

Inventor： 杨静 ,  朱妮 ,  吴大鹏 ,  李职杜 ,  王汝言 ,  唐桐

IPC: H04L67/10 ,  H04W72/04

Abstract: 本发明涉及一种能量队列均衡的边缘计算方法，属于无线通信领域，包括以下步骤：S1：将任务处理的整个时间段划分为多个等长的时隙；S2：根据任务切片构建本地处理、任务卸载传输的能耗模型；S3：根据所有核的处理频率获得边缘服务器总能耗，为本地处理、卸载传输以及边缘计算建立任务等待处理队列；S4：采用匈牙利算法为用户匹配最佳传输信道；S5：建立系统最小长期平均时间总能耗优化问题，采用李雅普诺夫方法进行求解。本发明能够实现较低的系统能耗，并获得合理的时延性能。

公开(公告)号：CN112733030A

公开(公告)日：2021-04-30

申请号：CN202110043271.5

申请日：2021-01-13

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  郭嘉琪 ,  李职杜 ,  唐桐 ,  张鸿 ,  王汝言

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种用户兴趣偏好捕获方法，属于运用于点击率预测领域。该方法使用融合用户经验直觉与逻辑推理的双认知过程构建兴趣偏好捕获系统，通过该兴趣偏好捕获系统并行学习用户的历史交互序列数据，挖掘其历史交互行为的动态变化与顺序联系，捕获下一时刻用户的兴趣偏好；该方法包括以下步骤：S1、数据输入；S2、数据处理；S3、潜在兴趣偏好捕获；S4、动态兴趣偏好捕获；S5、兴趣偏好融合。本发明可以更精确的描述用户的兴趣偏好，提升用户与项的交互体验。