-
公开(公告)号：CN108063830B
公开(公告)日：2020-06-23
申请号：CN201810077635.X
申请日：2018-01-26
Applicant: 重庆邮电大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于马尔科夫决策过程(MDP)的网络切片动态资源分配方法，属于移动通信领域。该方法保证各网络切片中所有时延敏感业务严格的时延要求，以实现最大化网络吞吐量和最小化能量消耗之间的折中为目标进行的动态资源分配。在每个离散时隙上，根据各网络切片中用户的缓存队列状态信息和服务器所耗电力的实时价格状态信息，为切片中每个用户的服务功能链(SFC)上的虚拟网络功能(VNF)分配合适的计算资源量并动态地调整提供计算资源的服务器开启的数量。本发明提出的基于MDP的网络切片动态资源分配方法能够在实现最大化网络吞吐量和最小化能量消耗之间的折中的同时满足用户业务的时延约束。
-
公开(公告)号：CN111278132A
公开(公告)日：2020-06-12
申请号：CN202010060434.6
申请日：2020-01-19
Applicant: 重庆邮电大学
IPC: H04W72/04 , H04W72/08 , H04W72/12 , H04L12/927 , H04L12/911
Abstract: 本发明涉及一种移动边缘计算中面向低时延高可靠业务的资源分配方法，属于移动通信技术领域。该方法在多MEC多用户环境下，分别刻画用户任务队列模型和MEC任务队列模型，并以任务队列上溢概率为约束，建立移动服务提供商网络效用最大化的理论模型，对功率资源、带宽资源和计算资源进行联合分配。考虑到优化模型中约束条件包含任务队列溢出概率的极限约束，通过Lyapunov优化理论将时间平均的随机优化问题转化并分解成单时隙求解的三个子问题，包括用户的计算资源分配、带宽与功率分配以及MEC的计算资源分配问题，进而分别对其求解。本发明在满足用户低时延高可靠的需求的同时提高了MSP的平均总收益。
-
公开(公告)号：CN106685627B
公开(公告)日：2019-12-20
申请号：CN201710098382.X
申请日：2017-02-22
Applicant: 重庆邮电大学
IPC: H04L5/00
Abstract: 本发明涉及一种用户与基站之间的数据传输方法，所述方法包括：网络中新到达的用户根据基站广播信息选择最优关联基站；其中，所述最优关联基站能使基站的平均时延和平均能耗达到最小；所述基站广播信息包括：基站的负载信息、基站的信号强度信息以及基站所能提供的可达速率信息；其中，所述最优关联基站按照下述方式确定：将所述负载信息、信号强度信息以及可达速率信息按照预设规则联合为一个数值；根据所述数值的大小，将网络中开启的基站在各用户端进行排序，其中优先级最高的基站即为所述最优关联基站。本发明提供的用户与基站之间的数据传输方法，能够在保证用户服务质量的前提下节约网络能耗。
-
公开(公告)号：CN106792970B
公开(公告)日：2019-12-03
申请号：CN201710088319.8
申请日：2017-02-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车辆自组织网络路由选择方法，属于无线通信技术领域，特别是车辆自组织网络技术领域。该方法针对车辆自组织网络中源车辆无法实现与目的车辆的直接连接，需选择传输路由经中继车辆进行多跳信息转发的问题，首先采用逻辑代数化算法确定源车辆与目的车辆之间所有候选路由，进而采用随机网络演算理论建模源车辆不同业务的随机到达曲线以及候选路由各中继车辆的随机服务曲线，评估源车辆业务经各候选路由传输对应的端到端时延及传输速率性能，并基于源车辆业务需求选择具有最优传输性能的候选路由，从而实现优化路由选择。本方法综合考虑源车辆业务特性及各候选路由中继车辆的中继转发性能，以实现车辆自组织网络业务传输性能优化，具有广阔的应用前景。
-
公开(公告)号：CN110505099A
公开(公告)日：2019-11-26
申请号：CN201910805041.0
申请日：2019-08-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于迁移A-C学习的服务功能链部署方法，属于移动通信技术领域。在该方法中，首先建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络带宽资源联合分配的系统端到端时延最小化模型，并将其转化为具有连续状态和动作空间的离散时间马尔科夫决策过程；在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略，优化端到端时延；进一步地，为了实现并加速该A-C算法在其他相似目标任务中的收敛过程，引入迁移学习的思想，采用迁移A-C学习算法实现利用源任务中学习的SFC部署知识快速寻找目标任务的部署策略。本发明所提方法能够减小且稳定SFC数据包的队列积压，优化系统端到端时延，并提高资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN108199890B
公开(公告)日：2019-11-22
申请号：CN201810026553.2
申请日：2018-01-11
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明涉及一种软件定义网络弹性控制器部署方法，属于通信网络技术领域。该方法包括以下步骤：S1建模控制器故障及切换模型；S2建模网络总能耗；S3建模主控制器与交换机间通信能耗；S4建模主控制器间通信能耗；S5建模主控制器与备份控制器间通信能耗；S6建模控制器关联标识符限制条件；S7建模交换机时延限制条件；S8建模控制器负载限制条件；S9在满足交换机、主控制器及备份控制器限制条件下,基于网络总能耗最小化确定控制器部署策略。本发明可以在综合考虑控制器故障、控制器负载、交换机时延等限制条件下，优化确定SDN控制器部署策略，从而实现网络总能耗最小化。
-
公开(公告)号：CN106358222B
公开(公告)日：2019-11-22
申请号：CN201610765070.5
申请日：2016-08-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于业务预测的动态增强型小区间干扰协调方法，该方法针对异构网络中拥有较高功率的宏基站对小蜂窝扩展区域用户造成的干扰问题，采用基于用户业务预测和用户数据队列长度作为约束条件的动态ABS(几乎空白子帧)调整机制，通过预测移动用户在各个调整周期到达的数据业务量，结合用户所属基站在不同ABS条件下对用户业务服务能力的差异，以及用户对缓存数据队列长度Qos需求等因素来综合选择最佳的ABS密度(ABS子帧数量占总子帧的比例)，解决系统不能及时掌握用户业务变化而进行不合适操作的问题。从而在提升小蜂窝扩展区域用户吞吐量的同时，又能保证宏用户的服务需求得到满足；同时，由于考虑了用户对缓存数据队列长度的需求，因此可减小用户丢包概率。
-
公开(公告)号：CN107959593B
公开(公告)日：2019-11-08
申请号：CN201810027381.0
申请日：2018-01-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种软件定义网络虚拟网络映射方法，属于网络虚拟化技术领域。该方法包括以下步骤：S1建模SDN底层物理网络资源特性；S2建模SDN底层物理网络攻击模型；S3建模虚拟网络资源需求；S4建模虚拟网络节点和链路映射标识；S5建模虚拟网络映射成本；S6建模虚拟网络安全传输概率；S7建模虚拟网络节点映射限制条件；S8建模虚拟网络链路映射限制条件；S9基于映射成本最小化和安全传输概率最大化，确定虚拟网络映射策略。本发明所述方法综合考虑物理网络资源特性、虚拟网络映射需求，网络映射成本及安全传输特性，基于虚拟网络映射成本最小化和安全传输概率最大化可实现虚拟网络优化映射。
-
公开(公告)号：CN110365399A
公开(公告)日：2019-10-22
申请号：CN201910688856.5
申请日：2019-07-29
Applicant: 重庆邮电大学
IPC: H04B7/185 , H04B17/391 , H04B17/382
Abstract: 本发明涉及一种确定小卫星联合传输模式选择及资源分配方法，属于卫星通信技术领域。该方法包括以下步骤：S1：建模时隙标识及无线信道模型；S2：建模小卫星请求数据包传输模型；S3：建模小卫星传输模式关联变量；S4：建模小卫星能量收集模型；S5：建模传输模式选择限制条件、能量收集限制条件及资源分配限制条件；S6：建模成本函数；S7：基于成本函数最小化确定小卫星联合传输模式选择及资源分配策略。本发明通过对小卫星联合传输模式选择及功率分配，可实现网络成本函数优化。
-
公开(公告)号：CN110234127A
公开(公告)日：2019-09-13
申请号：CN201910502165.1
申请日：2019-06-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于SDN的雾网络任务卸载方法，属于移动通信技术领域。首先，针对雾节点在不同情况的任务卸载策略，采用动态服务节点更新方式建立志愿节点集，提高任务卸载效率。其次，为解决网络拥塞问题，本发明引入SDN技术，在网络信息资源交互过程中，通过SDN控制器实时监控网络负载，有效降低网络拥塞。此外，为提高网络资源利用率，本发明基于Lyapunov优化算法，充分考虑节点队列情况，将最小化任务卸载代价问题分解为最优传输功率分配和最优卸载方案两个子问题求解。本发明可降低系统总时延和能耗开销，实现任务队列的稳定和有效的资源分配。
-
-
-
-
-
-
-
-
-
Search Results
848
records
(took 0.034 seconds)
