-
公开(公告)号：CN116938944A
公开(公告)日：2023-10-24
申请号：CN202310661255.1
申请日：2023-06-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L67/1008 , H04L67/1014 , G06F9/50 , G06N3/006
Abstract: 本发明提供了一种适用于异构网络的系统编码分布式计算分配方法，包括：步骤一，采用多消息通信模型将计算矩阵进行块划分，采用系统MDS码进行矩阵编码，根据编码和系统参数，设计最小化任务执行时延问题；步骤二，采用贪心二分搜索算法，解决第一步的执行时延最小化问题，由所述贪心二分搜索算法获得每个工作节点所分配的最佳块数量；步骤三，采用系统块的比例分配算法，获得每个工作节点所分配的最佳系统块数，以降低译码时延。本发明的有益效果是：1.本发明的一种适用于异构网络的系统编码分布式计算分配方法可以降低任务执行时延；2.本发明的一种适用于异构网络的系统编码分布式计算分配方法可降低译码时延，从而降低任务总完成时延。
-
公开(公告)号：CN118381540A
公开(公告)日：2024-07-23
申请号：CN202410289867.7
申请日：2024-03-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种面向低轨星座网络的快速数据获取与编码数据放置方法，方法包括：构建低轨星座网络结构，并基于所述低轨星座网络结构，制定基于RS编码冗余的快速数据获取策略，包括数据收集阶段、校验块放置阶段和数据获取阶段，基于所述低轨星座网络结构，以及制定的所述基于RS编码冗余的快速数据获取策略，对数据获取时延进行分析，得到数据获取时延和能耗开销的表达式；以最小能耗成本为优化目标，以时延和能耗限制为约束条件，建立时延约束下的最小能耗成本优化问题P1；利用基于遗传算法的校验块放置方法求解所述优化问题P1，找出能耗成本最小的最佳校验节点位置和最佳计算节点位置。本发明方法有效降低了数据获取的时延和能耗。
-
公开(公告)号：CN117793769A
公开(公告)日：2024-03-29
申请号：CN202410007350.4
申请日：2024-01-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于月面地理信息的月球车通信性能半实物仿真方法、仿真系统及其实现方法，方法包括：结合实测的月面地理信息数据，选择月球表面通信塔的部署位置，通过电磁波绕射损耗预测模型模拟电波绕射传播结果，获得接收端理论接收信号强度；采用特定的组网方式和通信技术真实模拟月球车和基站之间的通信状况，联合调整基站端和月球车端的参数，使模拟月球车的信号强度和接收端理论信号强度一致，此时若模拟月球车能接收完整数据并展示则表示使用的组网方式和通信技术适合月面通信，否则代表不适合月面通信。本发明通过研究地球通信网络对月表通信的适用性，可以明确哪些地面通信技术同样适用于月面，大大降低再开发月面通信网络的成本。
-
公开(公告)号：CN117768546A
公开(公告)日：2024-03-26
申请号：CN202311777181.4
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L67/60 , H04L41/0894 , H04L47/783
Abstract: 本发明提供了一种基于星载光电路交换的分布式计算协同流调度方法、系统及存储介质，该分布式计算协同流调度方法包括：步骤一：构建协同流冲突图；步骤二：使用深度优先搜索的方法进行极大独立集的协同流调度集合匹配，得出最大独立的并发任务集合；步骤三：采用基于批处理的协同流低开销调度策略，通过所述步骤二得出的最大独立集分组作为不同批次的调度集，并以此为单位进行调度。本发明的有益效果是：本发明采用基于批处理的协同流低开销调度策略，既可以减少调度频次，降低计算资源开销，又可以高效地实现卫星光电路交换网络的协同流调度。
-
公开(公告)号：CN117915430A
公开(公告)日：2024-04-19
申请号：CN202410062986.9
申请日：2024-01-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04W40/22 , H04W28/086 , H04W28/08 , H04L1/00
Abstract: 本发明提供一种了基于无码率编码分布式计算的中继选择和负载分配方法、系统及存储介质，该中继选择和负载分配方法包括：步骤一：结合LT码编码特点和任务结果计算及传输的机制，推导任务执行时间；步骤二：以中继选择策略和负载分配方案为决策变量，建立最小化任务完成时间优化问题；步骤三：通过基于贪心算法的最小惩罚值中继选择与负载分配算法去求解优化问题，得到最佳的工作节点选择策略和最优的任务负载分配方案，达到了最小的任务执行总时延。本发明的有益效果是：1.以最小化计算任务的执行时延，提高系统效能；2.采用贪心算法设计工作节点的中继选择策略和任务负载的分配方案，鲁棒性优于目前编码分布式计算研究领域中的各方案。
-
Patent Agency Ranking
公开(公告)号：CN117768385A
公开(公告)日：2024-03-26
申请号：CN202311785610.2
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种面向卫星时变网络拓扑的分布式计算协同流路由方法、系统及存储介质，该分布式计算协同流路由方法包括：步骤一：构建卫星星间链路动态网络下的协同流传输时变图模型；步骤二：基于协同流传输时变图的启发式路由算法；通过在协同流时变图模型上的路径计算求解可用路径集，并设置基于流量优先级的调度规则，通过对可行路径集中路径的评估，不断地选取当前情形下的最优路径。本发明的有益效果是：1.有效降低了卫星分布式计算中的用时；2.在有效降低协同流完成时间的同时，有效提高了卫星分布式计算时的效率。
-
公开(公告)号：CN116781142A
公开(公告)日：2023-09-19
申请号：CN202310748528.6
申请日：2023-06-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04B7/185
Abstract: 本发明提供了一种面向卫星存储网络的低延迟聚合编码数据修复方法及系统，该低延迟聚合编码数据修复方法包括以下步骤：步骤一，从n‑1个可用数据存储节点中选择k个具有最短路径的源节点；步骤二，构建编码路径树(Coding Path Tree,CPT)；步骤三，采用步骤二获得的编码路径树CPT对低轨卫星存储星座(LEO Storage Constellation,LSC)的数据进行修复。本发明的有益效果是：本发明低延迟聚合编码数据修复方法能够降低LSC存储节点修复过程中的能量开销以及修复时延。
-
公开(公告)号：CN114614878A
公开(公告)日：2022-06-10
申请号：CN202210133505.X
申请日：2022-02-14
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种星地网络中基于矩阵‑向量乘法任务的编码计算分配方法，包括构建星地网络系统，根据资源调度参数与任务分配大小形成星地网络系统动作空间；根据所述星地网络系统动作空间建立基于DDPG算法的任务调度方法，获取编码计算分配的决策。本发明提出了新的系统时变性指标，结合任务执行容忍时延定义并推导了系统折衷开销的表达式，进而利用DDPG深度强化学习算法，对星地间计算卸载的经验样本进行训练，仿真结果得到了收敛后的回报函数值，得到最优的时延与能量开销，另外，LT编码方案在避免straggler现象的负面影响时具有明显的优势。
-
公开(公告)号：CN114554458A
公开(公告)日：2022-05-27
申请号：CN202210047279.3
申请日：2022-01-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于多智能体深度强化学习的矩阵‑向量乘法编码计算分配方法，包括如下步骤：步骤一：构建一个多智能体多边缘基站的矩阵‑向量计算任务卸载系统模型；步骤二：将该系统模型的工作流程分为三步：任务编码、任务卸载、分布式计算；步骤三：建立最小化系统成本的优化问题；步骤四：确定深度强化学习算法的四元组 ，通过多智能体‑深度确定性策略梯度（MA‑DDPG）算法求解优化问题，获得最优的任务分配量、智能体飞行轨迹、传输带宽和计算资源等参数。本发明的有益效果是：本发明不仅考虑到边缘基站计算能力和慢节点参数的异构性，同时考虑智能体（无人机）和边缘基站通信的带宽资源的有限性，并且在通过无速率码的分布式编码计算降低了慢节点（Straggler）对分布式计算任务的处理延迟影响，从而减小了矩阵‑向量乘法计算任务的处理成本。
-
公开(公告)号：CN114554458B
公开(公告)日：2024-10-29
申请号：CN202210047279.3
申请日：2022-01-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于多智能体深度强化学习的矩阵‑向量乘法编码计算分配方法，包括如下步骤：步骤一：构建一个多智能体多边缘基站的矩阵‑向量计算任务卸载系统模型；步骤二：将该系统模型的工作流程分为三步：任务编码、任务卸载、分布式计算；步骤三：建立最小化系统成本的优化问题；步骤四：确定深度强化学习算法的四元组 ，通过多智能体‑深度确定性策略梯度（MA‑DDPG）算法求解优化问题，获得最优的任务分配量、智能体飞行轨迹、传输带宽和计算资源等参数。本发明的有益效果是：本发明不仅考虑到边缘基站计算能力和慢节点参数的异构性，同时考虑智能体（无人机）和边缘基站通信的带宽资源的有限性，并且在通过无速率码的分布式编码计算降低了慢节点（Straggler）对分布式计算任务的处理延迟影响，从而减小了矩阵‑向量乘法计算任务的处理成本。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.028 seconds)
