-
公开(公告)号：CN111401744A
公开(公告)日：2020-07-10
申请号：CN202010184385.7
申请日：2020-03-17
Applicant: 重庆邮电大学
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：CN108650191A
公开(公告)日：2018-10-12
申请号：CN201810357863.2
申请日：2018-04-20
Applicant: 重庆邮电大学
IPC: H04L12/803 , H04L12/911
Abstract: 本发明属于无线通信技术领域，具体为一种虚拟化网络中映射策略的决策方法，包括：根据映射资源，建立马尔科夫决策过程优化模型；采用马尔科夫决策过程，求解出集中式最优映射策略；将各个虚拟网络请求者定义为买方，底层网络定义为卖方，建立斯塔克尔伯格Stackelberg买卖模型；求出斯塔克尔伯格Stackelberg博弈的当前均衡解，并将当前均衡解作为当前阶段的最优资源容量和最优卖价；预测未来均衡解，并将其分别作为未来阶段的最优容量资源和最优卖价；根据当前均衡解和未来均衡解，评估出买方与卖方的映射关系，从而确定分布式最优映射策略；本发明有效地提高底层网络负载的均衡性，优化了网络性能。
-
公开(公告)号：CN119095076A
公开(公告)日：2024-12-06
申请号：CN202411149227.2
申请日：2024-08-21
Applicant: 重庆邮电大学
IPC: H04W24/02 , H04W24/06 , H04B7/0452
Abstract: 本发明涉及一种无蜂窝大规模MIMO系统的策略优化算法，包括构建用户关联模型，用户关联模型用于建模移动设备MD和接入点AP之间在每个时隙的关联关系；构建下行信号模型，下行信号模型用于建模无蜂窝大规模MIMO系统在每个时隙的网络可达速率；构建系统能耗模型，系统能耗模型用于建模在每个时隙提供服务的所有接入点AP的总能耗；根据构建的用户关联模型、下行信号模型和系统能耗模型构建目标优化问题模型，并利用基于图注意力的多智能体强化学习算法进行求解得到最优策略。本发明降低系统的能耗，提高用户服务质量。
-
公开(公告)号：CN116959258B
公开(公告)日：2024-11-26
申请号：CN202311061841.9
申请日：2023-08-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及智能交通领域，具体涉及一种基于时空图迁移学习的交通流预测方法，包括构建并训练TL‑STGCN模型，获取待处理交通流数据输入训练好的TL‑STGCN模型，输出预测结果；所述TL‑STGCN模型包括时空图卷积网络、域判别器模块和预测模块；本发明结合数据充足的源路网的交通流特征，辅助预测数据稀缺的目标路网未来交通流，结果表明，对于数据稀缺的交通路网预测任务，TL‑STGCN比现有基线模型具有更好的预测性能。
-
公开(公告)号：CN118870432A
公开(公告)日：2024-10-29
申请号：CN202411072135.9
申请日：2024-08-06
Applicant: 重庆邮电大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种分布式智能任务卸载和服务缓存联合优化方法；该方法包括：构建卸载和服务缓存系统模型；基于卸载和服务缓存系统模型，构建云边协同DAG任务计算模型；根据云边协同DAG任务计算模型构建任务卸载和服务缓存联合优化问题；求解卸载和服务缓存联合优化问题，得到最佳卸载和服务缓存方案；本发明实现了云边协同任务卸载和资源分配优化，能在有效降低系统能耗的同时，提高缓存命中率与应用计算成功率。
-
Patent Agency Ranking
公开(公告)号：CN117135692A
公开(公告)日：2023-11-28
申请号：CN202311160072.8
申请日：2023-09-08
Applicant: 重庆邮电大学
Abstract: 本发明属于移动通信技术领域，具体涉及基于图注意力多智能体强化学习的协同任务卸载和服务缓存方法，包括在多基站、多样化服务请求的MEC网络场景下构建MEC系统，以最大化基于QoE的系统效用为目标，建模协同任务卸载和服务缓存问题；将协同任务卸载和服务缓存问题转化为分布式部分可观测的马尔可夫决策过程，采用基于图注意力多智能体强化学习算法对所述转化的分布式部分可观测的马尔可夫决策过程进行求解，通过仿真实验，与基准算法相比，所提算法在缓存命中率、系统效用和计算成功率方面具有明显改进。
-
公开(公告)号：CN116546021A
公开(公告)日：2023-08-04
申请号：CN202310686533.9
申请日：2023-06-12
Applicant: 重庆邮电大学
IPC: H04L67/10 , H04L67/1001 , H04L67/568 , H04W72/0446 , H04W72/50 , H04L41/14 , H04L41/142 , H04L41/16 , G06N20/20 , G06F9/445 , G06F9/50
Abstract: 本发明属于移动通信技术领域，具体涉及一种移动边缘计算中具有隐私保护的智能体策略学习方法，包括：建立边缘协同的计算卸载模型，包括服务缓存模型、任务卸载模型和系统成本模型；基于边缘协同的计算卸载模型，以最小化任务的处理成本为目标，建立联合任务卸载、服务缓存、算力资源分配和传输功率控制的优化问题；将最优问题抽象为部分可观测的马尔科夫决策过程；基于马尔科夫决策过程采用基于联邦学习方法的多智能体深度强化学习算法自主学习任务卸载、服务缓存、算力资源分配和传输功率控制策略。本发明通过建立了一个边云协同的计算卸载模型，智能体网络以基于联邦学习的训练的方式保护了用户的数据和敏感信息的隐私安全。
-
公开(公告)号：CN116233926A
公开(公告)日：2023-06-06
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：CN113810233B
公开(公告)日：2022-10-18
申请号：CN202111095551.7
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明属于移动通信技术领域，特别涉及一种在随机网络中基于算网协同的分布式计算卸载方法，包括基于本地计算模型和边缘云计算模型，构建设备端收益最大化问题模型和MEC服务器最大化收益问题模型；根据用户的随机移动和突发计算要求，分别建立停留时间和等待时延的复合场景集合；采用后验追索权行动来补偿博弈策略，建立设备端和MEC服务器双方基于博弈的随机规划模型；过构建场景树，将设备端和MEC服务器双方的多阶段随机规化问题转化为DEP问题，并求解获得MEC服务器卸载的最优任务策略和MEC服务器对设备端的最优报价策略；本发明基于Lyapunov优化理论的扩展博弈论方法，实现了时变环境下任务的动态卸载和自适应计算能力管理。
-
公开(公告)号：CN113114733B
公开(公告)日：2022-07-08
申请号：CN202110312344.6
申请日：2021-03-24
Applicant: 重庆邮电大学
IPC: H04L67/10 , H04L67/1023
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 0.044 seconds)
