-
公开(公告)号：CN109639498B
公开(公告)日：2021-08-31
申请号：CN201811609272.6
申请日：2018-12-27
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
Abstract: 一种基于SDN与NFV的面向业务质量的资源柔性配置方法，其特征是基于软件定义网络SDN与网络功能虚拟化NFV技术建立智能变电站资源柔性配置模型，依据资源柔性配置模型，通过综合研究备选方案的成本消耗与对变电站资源均衡的影响确定资源配置方案。本发明提出终端均衡因子指标来衡量设备资源使用的均衡度，通过综合考量终端剩余处理能力，剩余存储容量，终端剩余入度资源，终端剩余出度资源以及路径总消耗，全面的量化变电站的均衡状态；本发明设计了重要性度量指标，同时考虑成本与均衡两个因素，使得资源配置的方案能够满足保证变电站均衡状态下的成本最小化的目标。
-
公开(公告)号：CN109743751B
公开(公告)日：2021-08-03
申请号：CN201910156045.0
申请日：2019-03-01
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
Abstract: 本发明实施例提供了一种无线接入网的资源分配方法及装置，执行于软件定义网络SDN控制器上，该方法包括：接收至少一个业务请求，每个所述业务请求包括虚拟网络拓扑和业务约束条件；根据各业务请求的服务质量的需求信息，对所述至少一个业务请求进行排序，得到排序结果；按照所述排序结果，并根据每个业务请求所包含的虚拟网络拓扑和业务约束条件，为每个业务请求分配资源，用以实现动态分配网络资源，以解决按照所述排序结果，并根据每个业务请求所包含的虚拟网络拓扑和业务约束条件，为每个业务请求分配资源等问题。
-
公开(公告)号：CN110570075A
公开(公告)日：2019-12-13
申请号：CN201910651989.5
申请日：2019-07-18
Applicant: 北京邮电大学 , 国网江苏省电力有限公司南京市高淳区供电分公司 , 国网江苏省电力有限公司南京供电分公司
Abstract: 本发明实施例提供一种电力业务边缘计算任务分配方法及装置，该方法包括：获取非抢占式任务队列信息和边缘节点信息，确定所述非抢占式任务队列信息对应的非抢占式初始粒子位置矩阵和非抢占式初始粒子速度矩阵；通过混合优先级任务排队算法对每个边缘节点信息上的非抢占式任务队列信息进行排列，得到每个边缘节点信息的排列结果信息；通过改进的离散粒子群算法对非抢占式初始粒子位置矩阵、非抢占式初始粒子速度矩阵和排列结果信息进行循环迭代求解，确定最优任务分配向量和最小平均时延信息，通过分开处理进行抢占式调度与非抢占式调度的两种任务，并根据混合优先级任务排队算法和改进的离散粒子群算法得到高效的分配策略。
-
公开(公告)号：CN116258164A
公开(公告)日：2023-06-13
申请号：CN202310101277.2
申请日：2023-02-03
Applicant: 国网江苏省电力有限公司南京供电分公司
IPC: G06N3/045 , G06N3/08 , G06F18/23 , G06F18/241
Abstract: 本发明公开了基于客户端聚类的个性化联邦学习方法、装置及设备，该方法包括：获取全局模型，对全局模型进行初始化训练，获取每个客户端在初始化训练中产生的梯度；根据客户端的梯度进行聚类分析，确定每个客户端所属的簇；将在每个簇内的客户端训练的深度神经网络的第一隐藏层集合进行共享训练，在每个簇内的客户端训练的深度神经网络的第二隐藏层集合进行个性化训练，直至本地模型收敛后得到个性化模型。解决了传统联邦学习制约个性化模型收敛性能、准确率和精度等技术问题。
-
公开(公告)号：CN110365753B
公开(公告)日：2020-06-23
申请号：CN201910568179.3
申请日：2019-06-27
Applicant: 北京邮电大学 , 国网江苏省电力有限公司南京市高淳区供电分公司 , 国网江苏省电力有限公司南京供电分公司
Abstract: 本发明实施例提供一种基于边缘计算的物联网服务低时延负载分配方法及装置，所述包括：获取每一终端中每一应用的任务请求，以及每一边缘节点的计算能力；将每一终端中每一应用的任务请求，以及每一边缘节点的计算能力，输入至预设优化问题模型中，输出资源分配矩阵和任务分配矩阵，预设优化问题模型包括利用蚁群算法改进的粒子群算法模型和利用高斯随机算法改进的半定松弛算法模型。本发明实施例提供的基于边缘计算的物联网服务低时延负载分配方法及装置，应用蚁群算法改进粒子群算法，减小算法的收敛时间，提高资源分配结果的性能，应用高斯随机变量解决半定松弛问题中的秩1约束，提高任务分配结果的性能，最终减小服务时延。
-
Patent Agency Ranking
公开(公告)号：CN110365753A
公开(公告)日：2019-10-22
申请号：CN201910568179.3
申请日：2019-06-27
Applicant: 北京邮电大学 , 国网江苏省电力有限公司南京市高淳区供电分公司 , 国网江苏省电力有限公司南京供电分公司
Abstract: 本发明实施例提供一种基于边缘计算的物联网服务低时延负载分配方法及装置，所述包括：获取每一终端中每一应用的任务请求，以及每一边缘节点的计算能力；将每一终端中每一应用的任务请求，以及每一边缘节点的计算能力，输入至预设优化问题模型中，输出资源分配矩阵和任务分配矩阵，预设优化问题模型包括利用蚁群算法改进的粒子群算法模型和利用高斯随机算法改进的半定松弛算法模型。本发明实施例提供的基于边缘计算的物联网服务低时延负载分配方法及装置，应用蚁群算法改进粒子群算法，减小算法的收敛时间，提高资源分配结果的性能，应用高斯随机变量解决半定松弛问题中的秩1约束，提高任务分配结果的性能，最终减小服务时延。
-
公开(公告)号：CN110570075B
公开(公告)日：2022-04-05
申请号：CN201910651989.5
申请日：2019-07-18
Applicant: 北京邮电大学 , 国网江苏省电力有限公司南京市高淳区供电分公司 , 国网江苏省电力有限公司南京供电分公司
Abstract: 本发明实施例提供一种电力业务边缘计算任务分配方法及装置，该方法包括：获取非抢占式任务队列信息和边缘节点信息，确定所述非抢占式任务队列信息对应的非抢占式初始粒子位置矩阵和非抢占式初始粒子速度矩阵；通过混合优先级任务排队算法对每个边缘节点信息上的非抢占式任务队列信息进行排列，得到每个边缘节点信息的排列结果信息；通过改进的离散粒子群算法对非抢占式初始粒子位置矩阵、非抢占式初始粒子速度矩阵和排列结果信息进行循环迭代求解，确定最优任务分配向量和最小平均时延信息，通过分开处理进行抢占式调度与非抢占式调度的两种任务，并根据混合优先级任务排队算法和改进的离散粒子群算法得到高效的分配策略。
-
公开(公告)号：CN109639498A
公开(公告)日：2019-04-16
申请号：CN201811609272.6
申请日：2018-12-27
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
CPC classification number: H04L41/0893 , H04L41/0896 , H04L41/145 , H04L41/5041 , H04L41/5051 , H04L41/5054 , H04L67/16
Abstract: 一种基于SDN与NFV的面向业务质量的资源柔性配置方法，其特征是基于软件定义网络SDN与网络功能虚拟化NFV技术建立智能变电站资源柔性配置模型，依据资源柔性配置模型，通过综合研究备选方案的成本消耗与对变电站资源均衡的影响确定资源配置方案。本发明提出终端均衡因子指标来衡量设备资源使用的均衡度，通过综合考量终端剩余处理能力，剩余存储容量，终端剩余入度资源，终端剩余出度资源以及路径总消耗，全面的量化变电站的均衡状态；本发明设计了重要性度量指标，同时考虑成本与均衡两个因素，使得资源配置的方案能够满足保证变电站均衡状态下的成本最小化的目标。
-
公开(公告)号：CN109547965A
公开(公告)日：2019-03-29
申请号：CN201811608589.8
申请日：2018-12-27
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: H04W4/38 , H04W40/10 , H04W40/22 , H04L12/725 , H04L12/715 , H04L12/721 , H04L12/727 , H04L12/733
Abstract: 一种基于业务优先级的无线传感器网络路径规划方法，基于分层的无线传感器网络，基于最短路径算法在规划路径时设置多个集合来收集不同的路径，簇头节点在进行数据转发时，不同的业务选择不同的路径进行传输，根据业务优先级选择簇头节点进行中继，从而形成优化的端到端路由。本发明方法提高了数据传输的灵活性，通过设置负载均衡约束，优化了簇头节点数据转发的合理性，最终达到数据转发即满足业务时延要求，又平衡网络负载的目的，有效地延长了网络的生命周期。
-
公开(公告)号：CN116258164B
公开(公告)日：2024-11-19
申请号：CN202310101277.2
申请日：2023-02-03
Applicant: 国网江苏省电力有限公司南京供电分公司
IPC: G06N3/045 , G06N3/08 , G06F18/23 , G06F18/241
Abstract: 本发明公开了基于客户端聚类的个性化联邦学习方法、装置及设备，该方法包括：获取全局模型，对全局模型进行初始化训练，获取每个客户端在初始化训练中产生的梯度；根据客户端的梯度进行聚类分析，确定每个客户端所属的簇；将在每个簇内的客户端训练的深度神经网络的第一隐藏层集合进行共享训练，在每个簇内的客户端训练的深度神经网络的第二隐藏层集合进行个性化训练，直至本地模型收敛后得到个性化模型。解决了传统联邦学习制约个性化模型收敛性能、准确率和精度等技术问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.045 seconds)
