-
公开(公告)号:CN115022311A
公开(公告)日:2022-09-06
申请号:CN202210292370.1
申请日:2022-03-23
Applicant: 北京邮电大学 , 国网综合能源服务集团有限公司 , 国网江苏省电力有限公司苏州供电分公司 , 中国电子技术标准化研究院
Abstract: 本发明提供一种微服务容器实例的选择方法及装置,方法包括:接收用户终端基于应用程序发出的多个并发请求,将每个并发请求根据请求的应用程序的微服务结构分解成多个子任务,每个子任务对应应用程序中一个微服务;每一微服务部署有多个容器实例;根据每一子任务在不同容器实例上的实际完成时间以及完成每一并发请求对应的网络资源损耗,为每一子任务在对应的微服务所部署的多个容器实例中选择一个容器实例。基于此,不仅能够在请求对应的应用程序规定的时延内完成对应的多个并发请求,并且尽量减少完成请求需要的网络资源。
-
公开(公告)号:CN115293358A
公开(公告)日:2022-11-04
申请号:CN202210751781.2
申请日:2022-06-29
Applicant: 中国电子技术标准化研究院 , 国网综合能源服务集团有限公司 , 北京邮电大学 , 国网江苏省电力有限公司苏州供电分公司
Abstract: 本发明提供一种面向物联网的分簇联邦多任务学习方法及装置,通过对物联网终端设备进行分簇,使相同簇内的数据分布趋于近似,并在每个簇内分别执行联邦多任务学习算法,在每个物联网终端设备处执行全局训练任务和个性化训练任务,在簇内实现数据共享的同时,充分利用物联网终端设备本地数据针对个性化任务进行训练,高效利用了各物联网终端设备的本地数据,提升了训练效果。在各物联网终端设备的本地训练过程中,根据算力调整本地训练轮次,充分利用各物联网终端设备的计算资源,提升了模型训练效率。利用全局模型对个性化训练任务进行正则化约束,能够有效防止过拟合,控制个性化程度,提升模型质量。
-
公开(公告)号:CN115622998A
公开(公告)日:2023-01-17
申请号:CN202210824585.3
申请日:2022-07-14
Applicant: 北京邮电大学 , 国网综合能源服务集团有限公司 , 国网江苏省电力有限公司苏州供电分公司 , 中国电子技术标准化研究院
IPC: H04L67/10 , H04L67/1095 , H04L67/568 , H04L67/60
Abstract: 本发明提供一种基于深度强化学习的边缘协作缓存方法及装置,所述方法的步骤包括:边缘节点基于数据请求调用数据,划分为多个数据块,并进行标记;构建第一状态向量,输入门循环单元中,得到第一隐藏状态向量,输入到边缘节点预训练的目标网络中,输出第一动作;基于第一动作更改边缘节点内保存的数据块,并基于变更数据块的边缘节点和另一个调用的数据块构建第二状态向量,进一步基于门循环单元得到第二隐藏状态向量;将第二隐藏状态向量输入到中心节点的价值网络中,得到估计动作,输出估计动作对应的估计值,基于估计值计算目标值;基于目标值计算得到损失函数值,更新价值网络中的网络参数,将价值网络中的网络参数同步至的目标网络。
-
公开(公告)号:CN120069724A
公开(公告)日:2025-05-30
申请号:CN202510552528.8
申请日:2025-04-29
Applicant: 北京邮电大学
IPC: G06Q10/0835 , G06Q10/0631 , G06N3/006
Abstract: 本发明实施例涉及应急物资配送技术领域,提供一种物资配送方法、系统、电子设备及介质,该方法包括:根据目标区域的多个受灾点以及每个受灾点的隔离点和非隔离点数据,以预设的多个约束信息为约束条件构建混合整数规划模型,其中,所述混合整数规划模型为多卡车与多地面无人车协同配送模型;以最小化配送时间为目标,基于多启发式初始化的自适应粒子群优化算法求解所述混合整数规划模型;基于所述混合整数规划模型的求解结果确定所述多卡车与多地面无人车的最优配送路径;基于所述最优配送路径对所述目标区域的多个受灾点以及每个受灾点的隔离点和非隔离点进行物资配送。由此,实现高效的路径规划和资源优化调度。
-
公开(公告)号:CN115022311B
公开(公告)日:2023-06-09
申请号:CN202210292370.1
申请日:2022-03-23
Applicant: 北京邮电大学 , 国网综合能源服务集团有限公司 , 国网江苏省电力有限公司苏州供电分公司 , 中国电子技术标准化研究院
Abstract: 本发明提供一种微服务容器实例的选择方法及装置,方法包括:接收用户终端基于应用程序发出的多个并发请求,将每个并发请求根据请求的应用程序的微服务结构分解成多个子任务,每个子任务对应应用程序中一个微服务;每一微服务部署有多个容器实例;根据每一子任务在不同容器实例上的实际完成时间以及完成每一并发请求对应的网络资源损耗,为每一子任务在对应的微服务所部署的多个容器实例中选择一个容器实例。基于此,不仅能够在请求对应的应用程序规定的时延内完成对应的多个并发请求,并且尽量减少完成请求需要的网络资源。
-
-
-
-