-
公开(公告)号：CN114268586A
公开(公告)日：2022-04-01
申请号：CN202111553279.2
申请日：2021-12-17
Applicant: 北京邮电大学 , 中国电子信息产业集团有限公司第六研究所
Abstract: 本发明公开一种混合约束的时间敏感网络(TSN)分级流量调度方法，包括：将整个工厂网络自下而上被划分为了现场级、车间级以及工厂级，其中针对级内传输任务和级间传输任务设置不同的约束条件，并且放松对级间传输任务的约束进行相关管理，在本发明中，将传统时间敏感网络时间表计算进行了更新，由于改进后较宽松的约束使时间表可行解空间增大，所以产生了降低了交换机队列利用率，使得BE流量可使用队列数增加，从而增加了网络整体的利用率和吞吐量，并且降低了时间表计算复杂度。
-
公开(公告)号：CN114035675A
公开(公告)日：2022-02-11
申请号：CN202111219044.X
申请日：2021-10-20
Applicant: 北京邮电大学 , 中国电子信息产业集团有限公司第六研究所
Abstract: 本发明公开一种基于智能集群元语的无人机按需组网交互系统与装置，包括无人机、以及由所述无人机构建的无人机节点、无人机节点知识库、无人机组网以及交互系统，每个所述无人机节点上分别设有一个所述交互系统，所述无人机节点知识库通过编码将自然语言信息其转化为IEML元语知识库，所述无人机组网采用的是分层分簇结构，簇内成员通过中心节点进行信息传递，簇间节点也是通过该中心节点向外传递信息，传递的信息是由所述IEML元语知识库信息做载体。在无人机高动态组网过程中组网信息以IEML表达方法进行信息的传递。此外将无人机本地自然语言知识库(数据集)转化为IEML知识库，通过部署在无人机上的交互系统模型进行编码训练，实现无人机自主交互。
-
公开(公告)号：CN112436992B
公开(公告)日：2022-01-25
申请号：CN202011249767.X
申请日：2020-11-10
Applicant: 北京邮电大学
IPC: H04L12/46 , H04L41/0893 , H04L41/12
Abstract: 本发明提供了一种基于图卷积网络的虚拟网络映射方法及装置，涉及虚拟网络的技术领域，包括：先获取虚拟网络的映射请求，并基于映射请求和物理网络的属性信息确定物理节点的特征矩阵；然后将物理节点的特征矩阵输入至目标图卷积网络，得到物理节点的映射概率；再基于物理节点的映射概率，按照资源需求顺序对虚拟网络中所有的虚拟节点依次进行虚拟网络映射；最后若虚拟网络映射中的节点映射和链路映射都成功，则确定虚拟网络映射成功。本发明利用目标图卷积网络可以提取物理节点的高阶空间结构信息，进而提高虚拟网络映射的效率和物理网络的资源利用率。
-
公开(公告)号：CN113660304A
公开(公告)日：2021-11-16
申请号：CN202110767145.4
申请日：2021-07-07
Applicant: 北京邮电大学 , 西藏高驰科技信息产业集团有限责任公司
IPC: H04L29/08
Abstract: 本发明公开一种基于双向拍卖博弈的无人机群分布式学习资源管控方法，其特征在于将无人机群联邦学习过程分为两个部分，包括：初始化阶段和学习阶段。联邦学习平台聚集接收到的局部模型，生成一个全局联合学习模型，并基于双向拍卖理论进行迭代更新，引入控制器使无人机群迭代的相互作用并调整他们的出价，使市场快速收敛到社会福利最大化点。随着参与者的增加，总福利增加，收敛速度降低。这种现象是由于更多的FL平台的参与会带来更多的外部效用，同时更多的参与者也增加了系统的复杂性，从而延缓收敛速度。
-
公开(公告)号：CN113645589A
公开(公告)日：2021-11-12
申请号：CN202110774836.7
申请日：2021-07-09
Applicant: 北京邮电大学 , 中国电子信息产业集团有限公司第六研究所
Abstract: 本发明公开一种基于反事实策略梯度的无人机集群路由计算方法，包括采用一种COMA动态自适应的强化学习算法，所述COMA算法采用了“集中式训练‑分布式执行”的混合架构。能够有效针对网络节点动态性高、网内流量波动性大的路由场景，COMA算法能够在网络平均生存时间与数据包传输成功率之间形成有效的权衡，进而实现高效而稳定的智能路由策略；能够更好地动态调正路由策略，实现对网络状态的全局最优响应。关于数据包将所选择的区域中的任意一个随机节点作为下一跳传输节点的设计，该设计不仅解决了多智能体环境下动作空间较大的问题，还提高了算法的稳定性，一定程度上减少了节点移动性对训练造成的干扰。
-
Patent Agency Ranking
公开(公告)号：CN113315715A
公开(公告)日：2021-08-27
申请号：CN202110370309.X
申请日：2021-04-07
Applicant: 北京邮电大学
IPC: H04L12/801
Abstract: 本发明涉及一种基于QMIX的分布式网内拥塞控制方法，本发明通过直接将相关方法部署在网内的三层交换机中，进行数据包的调度与拥塞控制来克服上述传统技术的缺点，同时进一步提升了拥塞控制效果。本发明受到近年来，多智能体系统控制领域中的分布式强化学习方法的启发，采用多智能体强化学习方法中的集中式训练，分布式执行的算法框架，将QMIX算法直接在交换机内部实现，在快速响应毫秒级流量波动的同时，又做到了各交换机之间的协调控制，从而达到稳定的全局最优系统状态，进行网络拥塞控制。利用日趋成熟的多智能体深度强化学习方法来解决传统网络拥塞问题。
-
公开(公告)号：CN119629697B
公开(公告)日：2025-05-06
申请号：CN202510148120.4
申请日：2025-02-11
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群分布式智能路由的方法、装置和电子设备，属于组网通信的技术领域，该方法中，通过无人集群网络中各智能体（即各网络节点）间的信息共享与动态交换，全面提升智能体对网络状态的感知能力，从而增强路由决策的全局优化能力，使网络在高动态环境下仍能保持高效协同，另外，各节点能够基于自身的历史本地状态向量，结合实时网络变化（即本地状态信息），智能预测未来的网络状态并制定路由转发策略，充分挖掘了历史信息的潜在价值，大幅提升了节点在复杂网络环境中进行路由决策的准确性和前瞻性，此外，上述过程可在当前智能体本地进行上述分布式同步的运算，网络通信的灵活性好、效率高。
-
公开(公告)号：CN118382108B
公开(公告)日：2024-11-08
申请号：CN202410822351.4
申请日：2024-06-25
Applicant: 北京邮电大学
Abstract: 本申请提供了一种网络资源管理方法、装置、设备及可读存储介质，包括：基于初始网络配置策略将目标交换机的传输网络划分为多个网络切片；获取目标交换机上待传输的网络数据包的带宽需求量、非占用状态的网络切片的带宽量及未来网络状态；根据这三个数据判断是否需要更新初始网络配置策略；若需要，则将待传输数据带宽需求量、非占用状态的网络切片的带宽量及未来网络状态输入到训练完成的网络策略生成模型中生成网络配置更新策略；网络配置更新策略包括网络切片配置策略以及数据传输策略；基于网络配置更新策略重新划分网络切片；将数据传输策略发送给目标网络切片。本申请提高了网络切片的灵活性和适应性，并提高了交换机的传输性能。
-
公开(公告)号：CN118433112B
公开(公告)日：2024-09-24
申请号：CN202410889822.3
申请日：2024-07-04
Applicant: 北京邮电大学
IPC: H04L47/125 , H04L67/568 , H04L49/90
Abstract: 本发明提供了一种中断延迟容忍的异构网络动态负载均衡方法和装置，涉及通信的技术领域，该方法中，无人节点可以通过存储‑携带‑转发的机制进行间接通信，也可以缓存数据包，所以即使数据包TTL到期也不必从源节点重传，同时存储‑携带‑转发机制的特性极大地提高了数据传输效率，并且，在利用强化学习算法对网络参数进行优化时，将所有无人节点在相邻时刻的积压队列长度之差、所有无人节点成功投递数据包的排队时延和所有无人节点在当前时刻投递数据包的成功率与智能体的奖励建立联系，以使集群网络学习如何在确保高投递率、低时延的前提下使得整个网络负载均衡的策略，提升异构无人平台集群网络的整体运行效率，从而保证了用户服务质量。
-
公开(公告)号：CN118400788B
公开(公告)日：2024-09-06
申请号：CN202410832884.0
申请日：2024-06-26
Applicant: 北京邮电大学
IPC: H04W40/32 , H04W40/10 , H04W40/20 , H04W4/40 , H04W84/18 , G06F18/2321 , G06N3/0464 , G06N3/092
Abstract: 本发明提供了一种异构无人平台集群的自适应稳态组网方法及装置，本发明能够获取异构无人平台集群的当前节点位置信息和当前节点能量信息；基于当前节点位置信息和预设的密度聚类算法，对异构无人平台集群进行聚类处理；基于当前节点能量信息，对聚类结果中的每个簇进行簇头选举，得到当前组网结果；周期性获取当前组网结果下异构无人平台集群的观测数据；基于观测数据，采用强化学习策略对当前组网结果进行优化，得到优化后的组网结果。这样基于密度聚类算法对异构无人平台集群进行分簇，采用基于强化学习的动态维护策略动态调整簇结构，使得异构无人平台集群网络具有更好的适应性和动态性，从而提高了异构无人平台集群网络结构的稳定性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.048 seconds)
