-
Patent Agency Ranking
公开(公告)号：CN108494632A
公开(公告)日：2018-09-04
申请号：CN201810298887.5
申请日：2018-04-04
Applicant: 武汉大学
IPC: H04L12/26 , H04L12/24 , H04L12/911
CPC classification number: H04L43/0876 , H04L41/147 , H04L43/062 , H04L43/067 , H04L47/823 , H04L47/826
Abstract: 本发明公开了一种基于强化学习的移动数据流量卸载方法，首先基于手机用户上网记录数据，进行用户流量需求分析，分别针对用户总流量和可卸载流量进行统计分析；然后针对运营商、内容提供方和内容需求方，根据运营商效用函数、内容提供方效用函数、内容需求方效用函数和系统总效用函数，利用强化学习方法，求解令系统的总效用目标函数最优化的流量卸载策略。本发明利用强化学习中的Gradient Bandit算法，通过多天长期学习训练，做出最优的流量卸载决策。
-
公开(公告)号：CN108494632B
公开(公告)日：2020-12-01
申请号：CN201810298887.5
申请日：2018-04-04
Applicant: 武汉大学
IPC: H04L12/26 , H04L12/24 , H04L12/911
Abstract: 本发明公开了一种基于强化学习的移动数据流量卸载方法，首先基于手机用户上网记录数据，进行用户流量需求分析，分别针对用户总流量和可卸载流量进行统计分析；然后针对运营商、内容提供方和内容需求方，根据运营商效用函数、内容提供方效用函数、内容需求方效用函数和系统总效用函数，利用强化学习方法，求解令系统的总效用目标函数最优化的流量卸载策略。本发明利用强化学习中的Gradient Bandit算法，通过多天长期学习训练，做出最优的流量卸载决策。
-
公开(公告)号：CN107493328B
公开(公告)日：2019-10-11
申请号：CN201710693249.9
申请日：2017-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征融合的合作缓存方法，利用移动互联网的基站数据集，获得用户的内容相似矩阵和位置相似矩阵，所述用户记录包括单个用户在不同时间分别访问的基站和上网内容；对内容相似矩阵和位置相似矩阵进行融合，得到融合后的相似矩阵；利用融合后的相似矩阵对用户进行聚类，得到用户的类别关系；将用户类别关系映射到基站，得到基站的合作关系；根据得到的基站的合作关系，计算基站的缓存策略。本发明利用移动互联网的基站数据集，从基站合作的角度，提出一个新方法，确定基站的缓存内容。
-
公开(公告)号：CN108616895A
公开(公告)日：2018-10-02
申请号：CN201810301771.2
申请日：2018-04-04
Applicant: 武汉大学
Abstract: 本发明公开了一种基于Stackelberg博弈的移动数据流量卸载方法，首先基于手机用户上网记录数据，对各时段用户之间相遇行为进行预测，预测用户何时能够相遇进行机会通信；然后通过构建Stackelberg博弈模型，制定在用户移动的动态场景下的流量卸载策略，指导两个用户相遇时，是否应该进行流量卸载，才能使得运营商、内容提供方和内容需求方的收益最大化。本发明利用博弈论的思想，综合考虑了多方的收益和成本等因素，为运营商、内容提供用户方和内容需求用户方分别设计了效用函数，进行Stackelberg博弈建模，制定流量卸载策略，在缓解蜂窝网络流量负载压力的同时，实现系统总效用目标函数最优化。
-
公开(公告)号：CN107493328A
公开(公告)日：2017-12-19
申请号：CN201710693249.9
申请日：2017-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征融合的合作缓存方法，利用移动互联网的基站数据集，获得用户的内容相似矩阵和位置相似矩阵，所述用户记录包括单个用户在不同时间分别访问的基站和上网内容；对内容相似矩阵和位置相似矩阵进行融合，得到融合后的相似矩阵；利用融合后的相似矩阵对用户进行聚类，得到用户的类别关系；将用户类别关系映射到基站，得到基站的合作关系；根据得到的基站的合作关系，计算基站的缓存策略。本发明利用移动互联网的基站数据集，从基站合作的角度，提出一个新方法，确定基站的缓存内容。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
