-
Patent Agency Ranking
公开(公告)号：CN118660315B
公开(公告)日：2025-05-02
申请号：CN202410729866.X
申请日：2024-06-06
Applicant: 江苏信息职业技术学院
IPC: H04W28/084 , H04W28/082 , H04W28/08 , H04W4/40 , H04L67/10 , H04L67/12
Abstract: 本发明涉及无线通信技术领域，具体涉及一种面向车辆边缘计算的服务卸载与迁移方法，包括构建系统模型，具体包括以下流程：建立网络模型，用于模拟车辆在移动过程中将计算任务卸载到不同的边缘服务器上并进行实时计算的场景；建立任务模型，用于管理并调度待执行的车辆计算任务；建立通信模型，用于描述车辆通过无线信道与基站进行通信的过程。本技术方案研究了在超密集车辆边缘计算的环境下，针对多车辆和多边缘服务器场景的联合计算卸载与迁移优化问题进行解决，本方案使用Lyapunov函数优化技术，将复杂的协作计算卸载和迁移联合优化问题转换为一个长期迁移成本约束下的平均延迟优化问题；然后，使用基于COMA的多智能体深度强化学习算法来获取最优解。
-
公开(公告)号：CN119603726A
公开(公告)日：2025-03-11
申请号：CN202411705989.6
申请日：2024-11-26
Applicant: 江苏信息职业技术学院
IPC: H04W28/084 , H04W28/08 , H04W4/46 , G06N3/092
Abstract: 本发明涉及物联网技术领域，具体为一种面向车辆边缘计算的分布式任务协同卸载方法，包括：构建系统模型；所述系统模型包括：网络模型、边缘服务器卸载模型、V2V卸载模型、V2V链路状态模型、任务迁移模型和车辆激励模型；基于多智能体的分布式任务卸载方法，包括计算V2V链路质量和车辆卸载意愿，选择最优服务车辆以及基于反事实多智能体强化学习方法选择最优边缘节点；有效降低整个系统的计算延迟，降低系统平均延迟和迁移成本，精准地选择出成本效益最高的边缘节点进行任务卸载。
-
公开(公告)号：CN118660315A
公开(公告)日：2024-09-17
申请号：CN202410729866.X
申请日：2024-06-06
Applicant: 江苏信息职业技术学院
IPC: H04W28/084 , H04W28/082 , H04W28/08 , H04W4/40 , H04L67/10 , H04L67/12
Abstract: 本发明涉及无线通信技术领域，具体涉及一种面向车辆边缘计算的服务卸载与迁移方法，包括构建系统模型，具体包括以下流程：建立网络模型，用于模拟车辆在移动过程中将计算任务卸载到不同的边缘服务器上并进行实时计算的场景；建立任务模型，用于管理并调度待执行的车辆计算任务；建立通信模型，用于描述车辆通过无线信道与基站进行通信的过程。本技术方案研究了在超密集车辆边缘计算的环境下，针对多车辆和多边缘服务器场景的联合计算卸载与迁移优化问题进行解决，本方案使用Lyapunov函数优化技术，将复杂的协作计算卸载和迁移联合优化问题转换为一个长期迁移成本约束下的平均延迟优化问题；然后，使用基于COMA的多智能体深度强化学习算法来获取最优解。
-
公开(公告)号：CN115934192B
公开(公告)日：2024-03-26
申请号：CN202211581385.6
申请日：2022-12-07
Applicant: 江苏信息职业技术学院
IPC: G06F9/445
Abstract: 本发明公开了一种面向B5G/6G网络的车联网多类型任务协作卸载方法，涉及物联网技术领域。包括如下步骤：系统模型的构建，包括建立网络模型、建立卸载模型和建立延迟模型；自适应权重经验回放机制，包括样本复杂度、样本使用频率模型、样本回报值重要性模型；基于OCTDE‑ISAC的分布式任务协作卸载方法，包括基于ISAC的解和OCTDE‑ISAC架构。本发明研究了B5G/6G环境下边缘服务器之间的多类型任务卸载问题，解决了现有的系统模型只考虑单一类型任务，而忽略了不同应用程序多样性特征的问题，并通过改进传统的SAC来提升算法的收敛速率和稳定性，基于ISAC算法提出了一个离线集中式训练分布式执行卸载框架来解决IoV动态性高稳定性差的特点，提出的算法在延迟方面表现较优。
-
公开(公告)号：CN115934192A
公开(公告)日：2023-04-07
申请号：CN202211581385.6
申请日：2022-12-07
Applicant: 江苏信息职业技术学院
IPC: G06F9/445
Abstract: 本发明公开了一种面向B5G/6G网络的车联网多类型任务协作卸载方法，涉及物联网技术领域。包括如下步骤：系统模型的构建，包括建立网络模型、建立卸载模型和建立延迟模型；自适应权重经验回放机制，包括样本复杂度、样本使用频率模型、样本回报值重要性模型；基于OCTDE‑ISAC的分布式任务协作卸载方法，包括基于ISAC的解和OCTDE‑ISAC架构。本发明研究了B5G/6G环境下边缘服务器之间的多类型任务卸载问题，解决了现有的系统模型只考虑单一类型任务，而忽略了不同应用程序多样性特征的问题，并通过改进传统的SAC来提升算法的收敛速率和稳定性，基于ISAC算法提出了一个离线集中式训练分布式执行卸载框架来解决IoV动态性高稳定性差的特点，提出的算法在延迟方面表现较优。
-
-
-
-
Search Results
5
records
(took 0.026 seconds)
