-
公开(公告)号：CN114866979B
公开(公告)日：2025-05-13
申请号：CN202210526799.2
申请日：2022-05-16
Applicant: 浙江工业大学
IPC: H04W4/38 , H04W28/08 , H04W72/53 , H04B7/185 , G06F18/23213
Abstract: 一种无人机辅助的边缘计算时延最小化方法，包括以下步骤：系统设置K个物联网节点，N架无人机，M个地面基站服务器；每个物联网设备产生一个计算任务Wk，每个任务可以卸载至无人机进行计算，也可以利用无人机为中继卸载至基站服务器进行计算；以最小化用时最多节点的任务的计算时延为优化目标，以无人机的位置、节点的卸载决策、无人机和服务器的计算资源分配策略、以及无人机和服务器的通信资源分配策略为优化变量，建立优化问题P的数学模型；利用K‑Means聚类算法和交叉迭代相结合的方法求解问题P。利用求得的方案部署于系统，达到最小化时延的目的。本发明能实现计算卸载时延最小化。
-
公开(公告)号：CN113873662B
公开(公告)日：2025-02-14
申请号：CN202111180637.X
申请日：2021-10-11
Applicant: 浙江工业大学
Abstract: 一种绿色边缘计算系统中联合卸载决策与资源分配优化方法，利用了MEC的优势，使得用户在低时延要求的应用中获取更加高的服务质量。首先基于Lyapunov优化与系统的长期能耗成本预算，将长期成本的约束转化为每个时隙的确定性问题；然后针对该问题，分析其变量的独立性和单调性，首先求出最优的卸载时最优的用户设备传输功率以及MEC服务器CPU频率，完成最优资源分配之后，针对卸载问题，设计了一种基于拟阵理论的最小成本贪婪算法，求解用户设备最优任务卸载决策。
-
公开(公告)号：CN114745386B
公开(公告)日：2024-05-03
申请号：CN202210387076.9
申请日：2022-04-13
Applicant: 浙江工业大学
Abstract: 一种多用户边缘智能场景下的神经网络分割及卸载方法，包括以下步骤：系统中有一个边缘服务BS和N个用户设备，每个设备都有一个神经网络推理计算任务；以用户设备的能量和边缘服务器的计算资源为约束条件，以神经网络分割方案和卸载方案为优化变量，以最大化计算任务的完成率为优化目标建立优化问题P；采用最大流最小割结合动态规划的算法求得问题P，得到DNN网络最佳分割及卸载方案并将其应用在用户设备上。本发明适用于多用户且设备能量和服务器资源都有限制的神经网络分割及卸载场景，制定合适的神经网络分割和卸载方法，大幅提高设备神经网络推理计算任务的完成率。
-
公开(公告)号：CN110958612B
公开(公告)日：2023-04-07
申请号：CN201911017859.2
申请日：2019-10-24
Applicant: 浙江工业大学
Abstract: 一种多用户场景下的边缘计算卸载周期最小化方法，包括如下步骤：步骤1，基站切换到能量发送模式，给无线传感器设备发送能量；步骤2，无线传感器设备切换到能量捕获模式从电磁波中捕获能量存储，再切换到任务计算模式依次进行部分任务数据卸载和本地计算；步骤3，基站切换到数据接收模式依次接收无线传感器设备卸载的数据，并交给边缘云服务器进行数据计算；步骤4，基站返回计算结果给无线传感器设备。本发明通过合理设置节点充电时间，计算卸载的比例，以及卸载合理调度，使整个计算周期时延最小化。
-
公开(公告)号：CN114866979A
公开(公告)日：2022-08-05
申请号：CN202210526799.2
申请日：2022-05-16
Applicant: 浙江工业大学
Abstract: 一种无人机辅助的边缘计算时延最小化方法，包括以下步骤：系统设置K个物联网节点，N架无人机，M个地面基站服务器；每个物联网设备产生一个计算任务Wk，每个任务可以卸载至无人机进行计算，也可以利用无人机为中继卸载至基站服务器进行计算；以最小化用时最多节点的任务的计算时延为优化目标，以无人机的位置、节点的卸载决策、无人机和服务器的计算资源分配策略、以及无人机和服务器的通信资源分配策略为优化变量，建立优化问题P的数学模型；利用K‑Means聚类算法和交叉迭代相结合的方法求解问题P。利用求得的方案部署于系统，达到最小化时延的目的。本发明能实现计算卸载时延最小化。
-
Patent Agency Ranking
公开(公告)号：CN108710650B
公开(公告)日：2021-08-03
申请号：CN201810418998.5
申请日：2018-05-04
Applicant: 浙江工业大学
IPC: G06F16/30 , G06F40/289
Abstract: 一种针对论坛文本的主题挖掘方法，所述方法包括以下步骤：步骤1：爬取论坛的数据，利用文本处理手段找出大概率可能是无意义的回复，并做好标记；步骤2：对论坛文本按照句子切割，之后进行分词，根据词性删除无用的词，去停用词；步骤3：对现有的文本根据BBS‑LDA主题模型使用Gibbs Sampling进行参数估计，最终得到属于每个主题可能性最大的词语。本发明对论坛的这些特点，基于LDA提出一种新的主题模型BBS‑LDA，更有效地挖掘论坛文本中的主题，以提高论坛文本主题挖掘的能力。
-
公开(公告)号：CN110110911B
公开(公告)日：2021-05-18
申请号：CN201910342915.3
申请日：2019-04-26
Applicant: 浙江工业大学
Abstract: 一种基于绕路模型的电动汽车充电桩优化部署方法，包括以下步骤：将街区图中的交叉口细化为多个交叉口点，遍历当前已部署充电桩个数小于给定单点部署最大值的候选部署位置，将一个充电桩部署在使得覆盖质量最大的候选位置，直至给定个数的充电桩全部部署完毕，从而得到充电桩的部署方案。本发明适用于为电动汽车部署充电桩的场景，在计算充电桩覆盖质量时考虑了道路车流量等因素对用户绕路行为的影响，提出了以绕路时间为衡量指标的用户绕路模型，基于该绕路模型的充电桩优化部署方法，可以最大化满足车辆的充电需求，提高充电桩的利用率。
-
公开(公告)号：CN111741054A
公开(公告)日：2020-10-02
申请号：CN202010330804.3
申请日：2020-04-24
Applicant: 浙江工业大学
Abstract: 一种移动用户深度神经网络计算卸载时延最小方法，通过对处在移动状态下的用户处理基于深度神经网络的智能应用进行分析，以最小化时延为目的建立相应模型；将深度神经网络建模为一张有向无环图，通过对该图的多次切割制定最佳的卸载决策；切割过程分为两个阶段：第一阶段仅考虑一个时隙内的优化问题，寻找到一个最佳切割点，把该时隙内的网络模型分为前后两部分，第一部分进行本地计算，第二部分卸载至边缘云计算；第二阶段从全局角度出发，将整个有向无环图且切割为多个分块，实现最小化完成整个DNN任务所需的时隙数。本发明以最小化DNN计算时延为目标，实现移动用户和边缘云服务器的协同合作，同时保证用户移动过程中处理任务的连续性。
-
公开(公告)号：CN111148177A
公开(公告)日：2020-05-12
申请号：CN201911291972.X
申请日：2019-12-16
Applicant: 浙江工业大学
Abstract: 一种双缓存队列的能量捕获网络中继节点选择方法，通过分析源节点和中继节点中数据包的平均时延选择合适的中继节点；通过分析系统中数据包的转移状态，得出状态转移平衡方程，求出稳态时的数据包状态概率，从而得到数据包在系统中的平均时延。与传统的射频能量捕获网络的中继选择方法相比，本发明主要是从数据量的大小、数据包到达速率、以及数据包服从泊松分布这几个方面来考虑降低系统时延，提高网络的传输速度。
-
公开(公告)号：CN110972310A
公开(公告)日：2020-04-07
申请号：CN201911152239.X
申请日：2019-11-22
Applicant: 浙江工业大学
Abstract: 一种无线携能通信网络中最小化上下行链路传输时间方法，包括如下步骤：步骤1，通过对新提出的无线携能通信网络建立数学模型我们发现，该问题是非凸的；步骤2，通过证明我们发现，传输总时间关于下行链路传输时间是凸函数；步骤3，提出黄金分割搜索算法，并进一步缩小搜索范围，求出最优的下行链路传输时间；步骤4，通过求出的下行链路传输时间，求出其他变量以及最小的总时间。本发明通过合理设置源节点的发射功率、源节点的下行链路传输时间、用户节点在上行链路中的传输时间、用户节点的功率分配因子，以达到上下行链路传输时间最小化。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.024 seconds)
