-
公开(公告)号：CN114217974B
公开(公告)日：2025-01-07
申请号：CN202111562519.5
申请日：2021-12-20
Applicant: 哈尔滨工业大学
Abstract: 一种云计算环境中的资源管理方法及系统，涉及云计算技术领域，用以解决云计算环境中现有的对于虚拟节点的静态资源管理不能有效提高其运行性能的问题。本发明的技术要点包括：采集虚拟节点的CPU、内存和带宽资源信息，提出一种基于DDPG的资源分配算法根据上述资源信息计算每个虚拟节点的目标资源配置量以获得资源配置决定的结果，并根据该结果对每个虚拟节点的资源进行动态的调节，从而在提高整体资源利用率的基础上提高虚拟节点运行性能；进一步地，在基于DDPG的资源分配算法中，利用Actor网络生成相应的动作输出，并通过一个动作解码过程将基于比率的输出转换为目标资源配置大小。本发明可以整体缩短不同应用程序的完成时间，且不会产生大量系统开销。
-
公开(公告)号：CN117336750A
公开(公告)日：2024-01-02
申请号：CN202311267542.0
申请日：2023-09-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种车联网边缘计算架构下基于服务缓存技术的计算卸载方法及系统，涉及车联网架构中计算卸载技术领域，以解决现有技术中存在的服务缓存技术在计算卸载问题中优化效果不好的问题。本发明的技术要点包括：建立基于服务缓存技术的车联网架构网络拓扑，并基于车联网架构网络拓扑构建车联网架构问题模型；利用车辆的移动轨迹信息构建道路链接模型，并利用基于道路链接模型的服务缓存部署算法预先进行服务缓存部署；对于车联网架构网络拓扑下的每个实时计算任务，利用基于服务缓存的贪心策略计算卸载算法对车联网架构问题模型进行求解，获取计算任务的转发路径。本发明有效提升了服务缓存命中率并节省缓存资源，提高了计算卸载的性能。
-
公开(公告)号：CN115408151A
公开(公告)日：2022-11-29
申请号：CN202211014211.1
申请日：2022-08-23
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种联邦学习训练加速方法。该方法包括：边缘设备根据初始模型参数构建局部模型，根据动态分层决策算法计算获得边缘设备与边缘服务器的训练任务；边缘设备和边缘服务器根据训练任务分别构建前端模型和后端模型，协同训练前端模型和后端模型，获得局部模型参数发送至边缘服务器；边缘服务器根据各个边缘设备发送的局部模型参数进行中间聚合，获得中间模型参数并发送至中心云；中心云根据各个边缘服务端发送的中间模型参数更新全局模型，并将更新后的全局模型的模型参数发送至各个边缘服务器，迭代更新全局模型直至全局模型收敛。本发明的有益效果：保证联邦学习训练准确度的同时，提高联邦学习训练效率。
-
公开(公告)号：CN114217974A
公开(公告)日：2022-03-22
申请号：CN202111562519.5
申请日：2021-12-20
Applicant: 哈尔滨工业大学
Abstract: 一种云计算环境中的资源管理方法及系统，涉及云计算技术领域，用以解决云计算环境中现有的对于虚拟节点的静态资源管理不能有效提高其运行性能的问题。本发明的技术要点包括：采集虚拟节点的CPU、内存和带宽资源信息，提出一种基于DDPG的资源分配算法根据上述资源信息计算每个虚拟节点的目标资源配置量以获得资源配置决定的结果，并根据该结果对每个虚拟节点的资源进行动态的调节，从而在提高整体资源利用率的基础上提高虚拟节点运行性能；进一步地，在基于DDPG的资源分配算法中，利用Actor网络生成相应的动作输出，并通过一个动作解码过程将基于比率的输出转换为目标资源配置大小。本发明可以整体缩短不同应用程序的完成时间，且不会产生大量系统开销。
-
-
-
Search Results
4
records
(took 0.018 seconds)
