-
公开(公告)号：CN111787618B
公开(公告)日：2022-03-18
申请号：CN202010451272.9
申请日：2020-05-25
Applicant: 中南林业科技大学
IPC: H04W72/04 , H04W72/08 , H04L67/10 , H04L67/1004
Abstract: 本发明公开一种边缘计算中联合能量获取的能耗优化资源分配方法。主要包括如下步骤：1、构建边缘计算中联合能量获取的能耗优化资源分配的数学模型。2、对构建的数学模型构造拉格朗日函数。3、求解边缘服务器给移动终端设备充电的时间与充电功率。4、求解终端用户分配的CPU频率和边缘服务器分配的CPU频率。5、求解终端设备到边缘服务器的传输功率。6、求解终端用户的任务卸载到边缘服务器的卸载决策变量。7、基于梯度下降法求解联合能量获取的能耗优化资源分配问题。应用本发明，解决了边缘计算中联合能量获取的卸载决策、能量获取时间、充电功率分配、传输功率分配、CPU频率分配的优化问题，可以最小化所有任务的能耗。
-
公开(公告)号：CN114189936A
公开(公告)日：2022-03-15
申请号：CN202111278169.X
申请日：2021-10-30
Applicant: 中南林业科技大学
Abstract: 本发明公开一种基于深度强化学习的协作边缘计算任务卸载方法。主要包括如下步骤：1、构建协作移动边缘计算系统的数学模型p1；2、将问题p1转化为为双层问题p2；3、上层基于深度强化学习求解卸载决策，功率分配和信道分配，提供给下层；4、根据上层提供的卸载决策，功率分配和信道分配，下层求解计算资源的最优分配，计算得出能耗后反馈给上层；5、上层收到下层反馈，存入经验池，更新网络参数；6、训练评估网络与目标网络；7、判断算法迭代次数iteration是否大于最大迭代代数I，如果iteration>I，则迭代结束，否则跳转至步骤3继续迭代；应用本发明，解决了协作移动边缘计算系统在时延约束下的最小能耗问题，可以实现协作边缘计算系统的能耗最小化。
-
公开(公告)号：CN109767117B
公开(公告)日：2021-05-18
申请号：CN201910026110.8
申请日：2019-01-11
Applicant: 中南林业科技大学
IPC: G06Q10/06
Abstract: 本发明公开一种移动边缘计算中联合任务调度的功率分配方法。主要包括如下步骤：1、生成任务描述集合G＝{Ti|1≤i≤N},Ti＝(di,ci)；初始化目标值Val_new。2、计算每个任务的本地执行时间边缘服务器执行时间任务卸载传输时间边缘服务器执行耗能本地执行耗能3、基于流水车间作业调度的卸载调度方法求卸载决策向量x；并根据决策向量x对所有任务进行分类，卸载执行与本地执行任务分别放入S、L中；4、对集合S中所有任务的卸载传输功率p采用凸优化方法求解，并将Val_new的值存入Val_old中，即Val_old＝Val_new，求解新的目标值Val_new；5、比较新算出的目标函数值与上一次循环目标值的差值，如果Val_new‑Val_old＞ε，则退出，否则重复步骤2‑步骤4。应用本发明降低了移动边缘计算网络中的任务执行延迟和能耗。
-
公开(公告)号：CN109710336B
公开(公告)日：2021-01-05
申请号：CN201910026321.1
申请日：2019-01-11
Applicant: 中南林业科技大学
Abstract: 本发明公开一种联合能量和延迟优化的移动边缘计算任务调度方法。主要包括如下步骤：1、生成任务描述集合G＝{Ti|1≤i≤N},Ti＝(di,ci)；初始化目标值Val_new。2、计算每个任务的本地执行时间边缘服务器执行时间任务卸载传输时间边缘服务器执行耗能本地执行耗能3、基于CPU处理任务所需周期数的卸载调度方法求卸载决策向量x；并根据决策向量x对所有任务进行分类，卸载执行与本地执行任务分别放入S、L中；4、对集合S中所有任务的功率p采用凸优化方法求解，并将Val_new的值存入Val_old中，即Val_old＝Val_new，求解新的目标值Val_new；5、比较新算出的目标函数值与上一次循环目标值的差值，如果Val_new‑Val_old＞ε，则退出，否则重复步骤2‑步骤4。应用本发明降低了移动边缘计算网络中的任务执行延迟和能耗。
-
公开(公告)号：CN109767117A
公开(公告)日：2019-05-17
申请号：CN201910026110.8
申请日：2019-01-11
Applicant: 中南林业科技大学
IPC: G06Q10/06
Abstract: 本发明公开一种移动边缘计算中联合任务调度的功率分配方法。主要包括如下步骤：1、生成任务描述集合G＝{Ti|1≤i≤N},Ti＝(di,ci)；初始化目标值Val_new。2、计算每个任务的本地执行时间 边缘服务器执行时间 任务卸载传输时间 边缘服务器执行耗能 本地执行耗能 3、基于流水车间作业调度的卸载调度方法求卸载决策向量x；并根据决策向量x对所有任务进行分类，卸载执行与本地执行任务分别放入S、L中；4、对集合S中所有任务的卸载传输功率p采用凸优化方法求解，并将Val_new的值存入Val_old中，即Val_old＝Val_new，求解新的目标值Val_new；5、比较新算出的目标函数值与上一次循环目标值的差值，如果Val_new-Val_old＞ε，则退出，否则重复步骤2-步骤4。应用本发明降低了移动边缘计算网络中的任务执行延迟和能耗。
-
Patent Agency Ranking
公开(公告)号：CN118741604A
公开(公告)日：2024-10-01
申请号：CN202410923935.0
申请日：2024-07-11
Applicant: 中南林业科技大学
IPC: H04W28/08 , H04W4/40 , H04L41/14 , H04L41/142
Abstract: 本发明提供了一种无人机辅助边缘异构网络的在线服务方法。主要包括如下步骤：1.构建以无人机服务能效为优化目标的数学模型P1；2.提出基于李雅普诺夫优化迭代求解子问题P2的方法，计算终端设备在子时隙k的卸载增益，进而计算出在终端设备最大卸载增益下的服务缓存决策；3.提出基于DDPG的迭代求解子问题P3的方法，计算无人机在子时隙k产生的能耗，进而计算无人机在多个子时隙k叠加时的服务能效；求解过程中判断无人机是否到达终点，若已到达终点，则输出无人机的服务能效，否则重复步骤3。应用本发明，可以有效规划无人机飞行轨迹，最大化终端设备的任务卸载增益，进而提升无人机在边缘异构网络中的服务能效。
-
公开(公告)号：CN114550814B
公开(公告)日：2024-09-20
申请号：CN202210153772.3
申请日：2022-02-19
Applicant: 中南林业科技大学
IPC: G16B15/30 , G16B30/10 , G16B40/20 , G16B50/30 , G06F18/22 , G06F18/2411 , G06F18/2433
Abstract: 本发明公开一种miRNA和药物耐药性关联的高效预测方法，主要包括以下步骤：1、下载数据集，得到miRNA、药物的列表，和关联矩阵A；计算miRNA和药物的高斯相互作用属性核相似矩阵GSM、GSD；2、计算miRNA之间的序列相似性矩阵SSM，计算药物之间的化学结构相似性ESD；3、利用GSM和SSM构建miRNA的相似矩阵SM；且利用GSD和ESD构建药物的相似矩阵SD；4、融合A、SM和SD构建一个全局异构网络G；利用倾斜重启随机游走计算扩散特征，并使用奇异值分解降维；5、计算miRNA‑药物对的Hetesim得分；6、结合扩散特征和HeteSim得分得到特征数据集，训练支持向量机分类器去预测miRNA‑药物的关联关系；7、使用10折交叉验证方法进行验证；应用本发明预测miRNA和药物耐药性关联关系的精度高。
-
公开(公告)号：CN117641450A
公开(公告)日：2024-03-01
申请号：CN202311705443.6
申请日：2023-12-13
Applicant: 中南林业科技大学
IPC: H04W28/08 , H04B7/185 , H04W72/0453 , H04W16/18 , H04W28/084
Abstract: 本发明提供了一种包含HAP的多无人机协作边缘计算网络的任务卸载方法。包括如下步骤：1、构建一种多无人机协作边缘计算网络的任务卸载方法的问题模型P1。2、使用K‑Means算法生成初始无人机部署位置，固定HAP任务卸载决策，信道分配方案，HAP计算资源分配和无人机协作决策的情况下，构建问题模型P2，通过拉格朗日对偶分解求解无人机的最优计算频率分配，求得目标值E。3、基于求得的无人机计算频率、无人机位置，构建问题模型P3，求解终端设备的任务卸载决策，无人机及HAP的计算资源分配和无人机的协作决策分配。基于DDPG算法对P3进行求解，求出目标值E'。比较目标值E与E'的差值，如果|E‑E'|
-
公开(公告)号：CN115567985A
公开(公告)日：2023-01-03
申请号：CN202211168983.0
申请日：2022-09-25
Applicant: 中南林业科技大学
Abstract: 本发明提供了一种无人机边缘计算网络中能效优化的任务卸载调度方法。主要包括如下步骤：1、生成任务描述集合构建无人机边缘计算网络中任务卸载调度，传输比特优化和无人机轨迹优化的数学模型P1。2、在给定传输比特分配、无人机轨迹的情况下，构建数学模型P2，采用流水车间作业调度算法求解最优卸载决策和任务调度。3、采用动态规划算法和凸优化方法，求得传输比特分配。4、采用凸优化方法，求得最优的无人机轨迹，计算所有物联网移动设备的总能耗，目标值记为Ek。5、比较Ek与Ek+1的差值，如果|Ek‑Ek‑1|＜ε,则退出，否则重复步骤2、步骤3和步骤。应用本发明降低了无人机移动边缘计算网络中物联网移动设备的使用能耗，延长了终端设备的使用时间。
-
公开(公告)号：CN113178232A
公开(公告)日：2021-07-27
申请号：CN202110492443.7
申请日：2021-05-06
Applicant: 中南林业科技大学
Abstract: 本发明公开一种circRNA和疾病关联关系的高效预测方法，包括如下步骤：1、在数据库网站下载circRNA数据、疾病数据；2、计算circRNA高斯内核相似度、circRNA基因相似度与circRNA的序列相似度、疾病高斯内核相似度、疾病语义相似度，分别为矩阵CIS、CGS、CES、DIS、DSS；3、构建circRNA综合相似度矩阵CS，构建疾病综合相似度矩阵DS；4、使用重启随机游走算法得到相似度矩阵CRS、DRS；5、分别把CRS、DRS与A拼接后使用PCA算法进行特征提取，得到特征矩阵CF、DF；5、根据CS、DS与邻接矩阵A构建异构邻接矩阵Acd；根据CF和DF构建异构特征矩阵CD；6、最后把Acd与CD使用图卷积神经网络进行分类预测。本发明是全新的预测circRNA与疾病关联的方法。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.024 seconds)
