公开(公告)号：CN119789151A

公开(公告)日：2025-04-08

申请号：CN202411998781.8

申请日：2024-12-31

Applicant: 无锡学院

Inventor： 李君 ,  胡静 ,  张圣 ,  徐钰龙

IPC: H04W28/14 ,  H04W28/08 ,  H04W28/084 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0442

Abstract: 本发明公开了一种基于深度强化学习的D2D辅助边缘缓存算法，涉及边缘缓存和深度强化学习技术领域，通过引入用户偏好学习机制来优化边缘缓存的性能；通过分析用户的内容请求模式、社交关系及时序行为等多维度数据，准确预测用户的内容偏好；基于这些预测结果，动态调整缓存策略，使得在有限的缓存资源下能够最大化内容的命中率和最小化内容传输的平均延迟；将缓存问题建模为一个马尔科夫决策过程，并利用深度强化学习中的近端策略优化算法来求解该问题；通过PPO算法的优化，本实施例方法能够有效地平衡缓存内容的流行度与用户个性化需求，从而在不同用户请求场景下实现更高的命中率和更低的传输延迟。

公开(公告)号：CN119847634A

公开(公告)日：2025-04-18

申请号：CN202411922201.7

申请日：2024-12-24

Applicant: 无锡学院

Inventor： 李君 ,  张圣 ,  徐钰龙 ,  胡静

IPC: G06F9/445 ,  G06F9/50 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/092 ,  G06N3/006

Abstract: 本发明公开了一种图卷积网络增强的边缘计算任务卸载方法，涉及无线通信技术领域，解决具有异构资源的移动边缘计算系统中的依赖任务卸载问题，GCN是一种机器学习模型，它可以嵌入相邻节点的信息，并有效地结合不同节点的特征进行进一步分类，本发明下载方法的基本原理是利用GCN来描述任务依赖关系，并将依赖任务卸载决策问题转化为节点分类问题；由于任务节点特征可以嵌入在一起，GCN可以根据嵌入结果进行节点分类；然后，通过计算完成执行整个应用程序所需的总时间，来确定卸载决策的优越性，从而提高调度和资源分配的效率，系统能够更有效地应对动态变化和资源限制，从而实现更智能的任务管理。

公开(公告)号：CN119629678A

公开(公告)日：2025-03-14

申请号：CN202411794720.X

申请日：2024-12-06

Applicant: 无锡学院

Inventor： 李君 ,  张圣 ,  胡静 ,  徐钰龙

IPC: H04W28/084 ,  H04W28/08 ,  G06N3/092

Abstract: 本发明公开了一种基于RSMA辅助的多服务器边缘计算任务卸载方法，涉及无线通信技术领域，边缘计算环境主要包含M个MEC服务器随机分布，在其覆盖范围内包含N个用户；使用一个离散时间模型，时隙集为T；每个用户生成一个计算任务Cn，计算任务中包括输入数据和处理一个数据位所需的计算资源；由于能量有限，所有的用户都选择完全卸载下它们的任务；一组可访问的MEC被用来执行不同的计算任务；考虑到信道信息的时变性，本发明主要采用的是强化学习的方法，使每个用户可通过与环境的交互自主的选择最优的MEC服务器，使用户所经历的延迟降到最低。

公开(公告)号：CN119996446A

公开(公告)日：2025-05-13

申请号：CN202510091288.6

申请日：2025-01-21

Applicant: 无锡学院

Inventor： 李君 ,  胡静 ,  张圣 ,  徐钰龙

IPC: H04L67/12 ,  G08G1/01

Abstract: 本发明公开了一种基于异步深度强化学习的RSU辅助多跳任务卸载方法，涉及边缘卸载和深度强化技术领域，通过建立车辆移动模型和通信模型，精确评估节点之间的连接稳定性；将任务卸载问题建模为一个高维MDP，并采用A3C算法求解该问题；A3C算法通过异步训练多个智能体，有效处理了大规模动作空间下的优化问题，从而在复杂多变的车联网环境中实现了更优的任务卸载策略；与现有的任务卸载策略相比，本发明方法在减少任务处理延迟和提高计算资源利用率方面表现出显著的性能提升，特别是在多RSU和高动态性场景下，显著提高了系统的任务完成率和资源利用效率；此外，本发明还具有良好的扩展性，能够适应未来车联网中更加复杂的应用需求。

公开(公告)号：CN119718646A

公开(公告)日：2025-03-28

申请号：CN202411787875.0

申请日：2024-12-06

Applicant: 无锡学院

Inventor： 李君 ,  张圣 ,  胡静 ,  徐钰龙

IPC: G06F9/50 ,  G06N7/01 ,  G06N3/042 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明公开了一种面向网络孪生驱动的边缘计算任务卸载方法，涉及移动边缘计算技术领域，考虑了一个网络孪生系统，包括用户终端设备、边缘服务器和云服务器；根据网络孪生模型中的数据，动态调整资源的分配，这样可以在实际网络中实现更灵活的资源部署，满足不同用户和设备的需求；优化边缘设备和云端计算资源之间的协作，通过有效的任务卸载策略平衡计算负载和资源利用率；通过结合深度强化学习和改进的图注意力网络，提出了一种节能且安全的部分卸载方案，这种方法可以更智能地分配资源，并优化任务卸载过程，减少不必要的计算和通信，进而提高系统整体的效率。