-
公开(公告)号：CN112822234B
公开(公告)日：2022-03-22
申请号：CN202011599843.X
申请日：2020-12-29
Abstract: 本发明公开了一种车联网中基于移动边缘计算的任务卸载与资源分配方法，即一种车联网中基于深度强化学习的任务卸载方法，通过深度强化学习的任务卸载方法，应用于车联网处理高维状态信息的任务卸载，具体步骤包括：(1)构建系统模型框架建立车联网通信场景；(2)模型细化，对用户侧和服务器侧任务处理进行建模；(3)提出高可靠低时延约束与优化问题；(4)进行优化问题的转化并引入马尔科夫决策过程；(5)建立最优化问题模型，提出基于Deep Q‑learning Network的具有URLLC感知的任务卸载算法五个步骤构成。本发明同时考虑平均度量性能以及高阶统计量的性能，考虑了极端事件对通信可靠性的影响，使得用户车辆可以在保障URLLC通信需求的同时通过深度学习作出最优的任务卸载决策，满足其众多应用的高可靠低时延通信需求。
-
公开(公告)号：CN112822234A
公开(公告)日：2021-05-18
申请号：CN202011599843.X
申请日：2020-12-29
Abstract: 本发明公开了一种车联网中基于移动边缘计算的任务卸载与资源分配方法，即一种车联网中基于深度强化学习的任务卸载方法，通过深度强化学习的任务卸载方法，应用于车联网处理高维状态信息的任务卸载，具体步骤包括：(1)构建系统模型框架建立车联网通信场景；(2)模型细化，对用户侧和服务器侧任务处理进行建模；(3)提出高可靠低时延约束与优化问题；(4)进行优化问题的转化并引入马尔科夫决策过程；(5)建立最优化问题模型，提出基于Deep Q‑learning Network的具有URLLC感知的任务卸载算法五个步骤构成。本发明同时考虑平均度量性能以及高阶统计量的性能，考虑了极端事件对通信可靠性的影响，使得用户车辆可以在保障URLLC通信需求的同时通过深度学习作出最优的任务卸载决策，满足其众多应用的高可靠低时延通信需求。
-
公开(公告)号：CN111935303B
公开(公告)日：2023-05-26
申请号：CN202010848607.0
申请日：2020-08-21
Applicant: 华北电力大学
IPC: H04L67/1001 , H04L67/1029 , H04L67/1012 , G06N3/092 , H04W4/40 , H04L67/1008
Abstract: 本发明提供一种空地一体化车联网中基于意图感知的任务卸载方法，包括构建系统模型；模型的细化；高可靠低时延约束与优化问题的提出；优化问题的转化与轨迹相似度估计；基于意图的任务卸载方法。本发明将用户体验质量模型、高可靠低时延约束和轨迹相似度估计与强化学习结合起来用于选择边缘服务器，实现了用户体验质量感知、高可靠低时延感知和轨迹相似度感知的三维用户意图感知。还考虑了队列长度的尾部分布，对极端事件的发生概率、长期平均时间下超额积压的条件均值以及方差进行约束，减少了队列时延，提升了队列稳定性并且不需要经过多跳转发，显著地降低了端到端时延，提高了任务卸载成功的次数。
-
公开(公告)号：CN113162658A
公开(公告)日：2021-07-23
申请号：CN202110211546.1
申请日：2021-02-25
Applicant: 华北电力大学
Abstract: 本发明公开了一种电力线通信中基于升价配额匹配的任务卸载方法，该方法在电力线通信设备与通信网关之间建有双向连接通路，并将通信网关接入到边缘服务器的前提下，获取电力线通信设备的长时间平均能耗约束以及实际传输时延和电力线通信设备的吞吐量；利用Lyapunov优化理论中的虚拟队列的概念将长期能耗约束条件转换为队列稳定性约束；并利用Lyapunov优化漂移‑惩罚理论将PLC设备长期吞吐量最大化优化目标转化为短期确定性子问题；并将优化问题建模成一种基于升价配额匹配的任务卸载方法。通过实施本发明，通过升价配额匹配的任务卸载方法，实现所有PLC设备长期吞吐量的最大化，减少了队列能耗，提升了队列稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113115459B
公开(公告)日：2022-11-29
申请号：CN202110403801.2
申请日：2021-04-15
Applicant: 华北电力大学 , 国网山东省电力公司电力科学研究院
Abstract: 本发明属于电力物联网技术领域，特别涉及一种面向电力物联网海量终端的多尺度多维资源分配方法，包括(1)构建系统模型，具体为构建出一种基于NOMA‑边缘计算的PIoT场景，该场景由基站BS、边缘服务器以及大量具有有限能源和计算资源的PIoT设备组成；(2)模型的细化，包括设备端流量模型、本地任务处理模型、任务卸载模型；(3)队列时延约束和优化问题的提出与转化，包括队列时延约束、优化问题的提出、优化问题的转化；(4)多时间尺度、多维度资源分配与任务划分，包括资源块分配、任务划分、计算资源分配。
-
公开(公告)号：CN113939034A
公开(公告)日：2022-01-14
申请号：CN202111206099.7
申请日：2021-10-15
Applicant: 华北电力大学 , 中国电力科学研究院有限公司
IPC: H04W72/08
Abstract: 本发明公开了一种立体异构电力物联网云边端协同资源分配方法，即对空天地一体化立体异构电力物联网中的云、边、端协同任务卸载和计算资源分配进行联合优化，包括(1)构建系统模型建立卫星、无人机及终端构成的立体异构电力物联网场景；(2)模型的细化；(3)排队时延约束与联合优化问题的提出与转换；(4)基于Lyapunov优化原理联合优化问题的分解和求解，在每个时隙最小化漂移加惩罚的上界；(5)基于深度强化学习的云边端协同任务卸载决策算法五个步骤构成。本发明基于深度强化学习解决高维任务卸载问题，结合神经网络提供的复杂函数逼近能力和actor‑critic算法提供的决策能力，有效解决了信息不确定下的维数灾难问题。
-
公开(公告)号：CN113162658B
公开(公告)日：2023-05-02
申请号：CN202110211546.1
申请日：2021-02-25
Applicant: 华北电力大学
Abstract: 本发明公开了一种电力线通信中基于升价配额匹配的任务卸载方法，该方法在电力线通信设备与通信网关之间建有双向连接通路，并将通信网关接入到边缘服务器的前提下，获取电力线通信设备的长时间平均能耗约束以及实际传输时延和电力线通信设备的吞吐量；利用Lyapunov优化理论中的虚拟队列的概念将长期能耗约束条件转换为队列稳定性约束；并利用Lyapunov优化漂移‑惩罚理论将PLC设备长期吞吐量最大化优化目标转化为短期确定性子问题；并将优化问题建模成一种基于升价配额匹配的任务卸载方法。通过实施本发明，通过升价配额匹配的任务卸载方法，实现所有PLC设备长期吞吐量的最大化，减少了队列能耗，提升了队列稳定性。
-
公开(公告)号：CN113115459A
公开(公告)日：2021-07-13
申请号：CN202110403801.2
申请日：2021-04-15
Applicant: 华北电力大学 , 国网山东省电力公司电力科学研究院
Abstract: 本发明属于电力物联网技术领域，特别涉及一种面向电力物联网海量终端的多尺度多维资源分配方法，包括(1)构建系统模型，具体为构建出一种基于NOMA‑边缘计算的PIoT场景，该场景由基站BS、边缘服务器以及大量具有有限能源和计算资源的PIoT设备组成；(2)模型的细化，包括设备端流量模型、本地任务处理模型、任务卸载模型；(3)队列时延约束和优化问题的提出与转化，包括队列时延约束、优化问题的提出、优化问题的转化；(4)多时间尺度、多维度资源分配与任务划分，包括资源块分配、任务划分、计算资源分配。
-
公开(公告)号：CN111935303A
公开(公告)日：2020-11-13
申请号：CN202010848607.0
申请日：2020-08-21
Applicant: 华北电力大学
Abstract: 本发明提供一种空地一体化车联网中基于意图感知的任务卸载方法，包括构建系统模型；模型的细化；高可靠低时延约束与优化问题的提出；优化问题的转化与轨迹相似度估计；基于意图的任务卸载方法。本发明将用户体验质量模型、高可靠低时延约束和轨迹相似度估计与强化学习结合起来用于选择边缘服务器，实现了用户体验质量感知、高可靠低时延感知和轨迹相似度感知的三维用户意图感知。还考虑了队列长度的尾部分布，对极端事件的发生概率、长期平均时间下超额积压的条件均值以及方差进行约束，减少了队列时延，提升了队列稳定性并且不需要经过多跳转发，显著地降低了端到端时延，提高了任务卸载成功的次数。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.033 seconds)
