公开(公告)号：CN114521002B

公开(公告)日：2024-09-06

申请号：CN202210197990.7

申请日：2022-03-02

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  王澎 ,  谈玲

IPC: H04W28/086 ,  H04L41/0833 ,  H04B7/185 ,  G06F9/50 ,  G06F9/445 ,  G06N3/126 ,  G06N3/092 ,  H04W84/06

Abstract: 本发明公开了一种云边端合作的边缘计算方法，使用基站、无人机和任务处理设备协作帮助移动设备处理计算任务，采用DDQN深度强化学习求解卸载策略，使用拉格朗日对偶法求解无人机的总资源分配，使用遗传算法求解无人机的部署。本发明综合考虑了网络内的所有可利用的计算设备，有效地降低计算任务的系统处理能耗，提高用户的服务质量，具有一定灵活性。本发明采用DDQN深度强化学习计算得到最优卸载策略，能够以较低的复杂度获得大量移动设备的卸载动作，能够适应动态的环境变化。降低复杂度后一是可以节约计算资源，降低移系统的功耗，二是节约计算时间，可以提高系统的实时性，三是高效利用太阳能清洁能源。

公开(公告)号：CN114521002A

公开(公告)日：2022-05-20

申请号：CN202210197990.7

申请日：2022-03-02

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  王澎 ,  谈玲

IPC: H04W28/08 ,  H04L41/0833 ,  H04B7/185 ,  G06N3/12 ,  G06N3/08 ,  G06F9/50 ,  G06F9/445 ,  H04W84/06

Abstract: 本发明公开了一种云边端合作的边缘计算方法，使用基站、无人机和任务处理设备协作帮助移动设备处理计算任务，采用DDQN深度强化学习求解卸载策略，使用拉格朗日对偶法求解无人机的总资源分配，使用遗传算法求解无人机的部署。本发明综合考虑了网络内的所有可利用的计算设备，有效地降低计算任务的系统处理能耗，提高用户的服务质量，具有一定灵活性。本发明采用DDQN深度强化学习计算得到最优卸载策略，能够以较低的复杂度获得大量移动设备的卸载动作，能够适应动态的环境变化。降低复杂度后一是可以节约计算资源，降低移系统的功耗，二是节约计算时间，可以提高系统的实时性，三是高效利用太阳能清洁能源。

公开(公告)号：CN113296963B

公开(公告)日：2021-11-02

申请号：CN202110849361.3

申请日：2021-07-27

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  王澎 ,  李斌 ,  谈玲

IPC: G06F9/50 ,  G06N3/04

Abstract: 本发明公开了一种考虑用户移动性的无人机辅助的边缘计算方法，包括：建立由数字孪生驱动的无人机辅助计算网络；由无人机辅助计算网络实时反馈用户、无人机和空闲设备的实时数据、位置和状态；以降低用户总时延为目标，采用分布式深度学习求解用户的卸载策略；利用差分进化学习求解无人机的位置部署。本发明可以有效的利用孪生网络反馈用户实时数据，获得全局近优解的无人机部署和卸载策略，降低用户的处理时延。

公开(公告)号：CN113296963A

公开(公告)日：2021-08-24

申请号：CN202110849361.3

申请日：2021-07-27

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  王澎 ,  李斌 ,  谈玲

IPC: G06F9/50 ,  G06N3/04

Abstract: 本发明公开了一种考虑用户移动性的无人机辅助的边缘计算方法，包括：建立由数字孪生驱动的无人机辅助计算网络；由无人机辅助计算网络实时反馈用户、无人机和空闲设备的实时数据、位置和状态；以降低用户总时延为目标，采用分布式深度学习求解用户的卸载策略；利用差分进化学习求解无人机的位置部署。本发明可以有效的利用孪生网络反馈用户实时数据，获得全局近优解的无人机部署和卸载策略，降低用户的处理时延。