公开(公告)号：CN114710410A

公开(公告)日：2022-07-05

申请号：CN202210634436.0

申请日：2022-06-07

Applicant: 南京信息工程大学 ,  南京理工大学

Inventor： 潘成胜 ,  杨力 ,  戚耀文

IPC: H04L41/0823 ,  H04L41/083 ,  H04L41/0833 ,  H04W24/02 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于深度强化学习的网络数据采集效率优化方法及系统，优化方法包括：通过分析网络特征状态数据信息，建立动态多服务台队列模型和异质特征数据信息年龄模型；定义优化前后不同特征数据的信息年龄、服务器接收队列长度以及路由效果为损失函数，建立问题约束模型，通过深度强化学习求解不同特征数据更新频率间隔，改善不同特征状态数据的更新频率对路由性能的影响。网络终端采集特征状态数据并送达控制器的过程满足负指数分布，能够计算服务器接收不同类型特征数据的最佳更新频率，结果表明该优化方法能够有效提升系统时效性和路由选取有效性；能够有效应对车际移动自组网信息时效性差、队列资源受限等问题。

公开(公告)号：CN114710410B

公开(公告)日：2022-08-26

申请号：CN202210634436.0

申请日：2022-06-07

Applicant: 南京信息工程大学 ,  南京理工大学

Inventor： 潘成胜 ,  杨力 ,  戚耀文

IPC: H04L41/0823 ,  H04L41/083 ,  H04L41/0833 ,  H04W24/02 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于深度强化学习的网络数据采集效率优化方法及系统，优化方法包括：通过分析网络特征状态数据信息，建立动态多服务台队列模型和异质特征数据信息年龄模型；定义优化前后不同特征数据的信息年龄、服务器接收队列长度以及路由效果为损失函数，建立问题约束模型，通过深度强化学习求解不同特征数据更新频率间隔，改善不同特征状态数据的更新频率对路由性能的影响。网络终端采集特征状态数据并送达控制器的过程满足负指数分布，能够计算服务器接收不同类型特征数据的最佳更新频率，结果表明该优化方法能够有效提升系统时效性和路由选取有效性；能够有效应对车际移动自组网信息时效性差、队列资源受限等问题。

公开(公告)号：CN112350876A

公开(公告)日：2021-02-09

申请号：CN202110027901.X

申请日：2021-01-11

Applicant: 南京信息工程大学

Inventor： 潘成胜 ,  石怀峰 ,  杨力 ,  顾祥祥 ,  孔志翔

IPC: H04L12/24 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于图神经网络的网络流量预测方法，该方法首先用图卷积神经网络GCN来学习通信区域块的网络拓扑结构，提取通信区域块的网络流量的空间特征，然后将具有空间特征的数据作为门限递归单元GRU的输入，学习通信区域块属性的时间变化规律，进而提取通信区域块网络流量的时间特征，最后通过全连接层得到最终预测结果，可以较好的提取网络流量的时空特性，得到更好的预测精度。