-
公开(公告)号：CN111800495A
公开(公告)日：2020-10-20
申请号：CN202010619505.1
申请日：2020-06-30
Applicant: 华北电力大学 , 陕西省能源大数据智能处理省市共建重点实验室
Abstract: 本发明公开了一种车辆雾计算中的任务卸载系统和方法，包括：基站、用户车辆、车辆雾服务器、威胁模型和时延模型；每个基站和车辆都拥有一个装有数字货币的钱包，并生成用于加密和解密的密钥对，其中基站的密钥对由三个组件共享。所有车辆都需要向注册授权组件注册以获得证书。其次，用户将请求发送给基站，基站将执行任务卸载的智能合约。然后用户将加密后的数据卸载到相应雾服务器，雾服务器执行计算任务并将计算结果反馈给用户和基站。基站会检查整个过程并进行相应奖惩。最后，基站会创建一个区块上传至区块链，其他基站验证其工作量证明及交易的合法性。一旦该区块被大多数的基站接受，它将被添加至区块链的末尾。
-
公开(公告)号：CN111800495B
公开(公告)日：2021-05-11
申请号：CN202010619505.1
申请日：2020-06-30
Applicant: 华北电力大学 , 陕西省能源大数据智能处理省市共建重点实验室
Abstract: 本发明公开了一种车辆雾计算中的任务卸载系统和方法，包括：基站、用户车辆、车辆雾服务器、威胁模型和时延模型；每个基站和车辆都拥有一个装有数字货币的钱包，并生成用于加密和解密的密钥对，其中基站的密钥对由三个组件共享。所有车辆都需要向注册授权组件注册以获得证书。其次，用户将请求发送给基站，基站将执行任务卸载的智能合约。然后用户将加密后的数据卸载到相应雾服务器，雾服务器执行计算任务并将计算结果反馈给用户和基站。基站会检查整个过程并进行相应奖惩。最后，基站会创建一个区块上传至区块链，其他基站验证其工作量证明及交易的合法性。一旦该区块被大多数的基站接受，它将被添加至区块链的末尾。
-
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。
-
-
-
Search Results
4
records
(took 0.048 seconds)
