-
公开(公告)号：CN109526040B
公开(公告)日：2021-06-18
申请号：CN201811105824.X
申请日：2018-09-21
Applicant: 浙江工业大学
IPC: H04W48/16 , H04W56/00 , H04B1/7097
Abstract: 一种在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法，包括以下步骤：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户，优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM‑i)分解为两层优化问题；(3)根据底层DM‑i‑E‑Sub问题，提出了基于拉格朗日乘数法的对分搜索方法，在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM‑i‑E‑Top问题，提出线性搜索方法，优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代，最终解决问题(DM‑i)。本发明提高了系统传输效率，节省了带宽资源，获得更优质的无线网络体验质量。
-
公开(公告)号：CN108495307A
公开(公告)日：2018-09-04
申请号：CN201810227568.5
申请日：2018-03-20
Applicant: 浙江工业大学
CPC classification number: Y02D70/00
Abstract: 一种基于模拟退火的数据安全分流传输方法，包括以下步骤：(1)在无线网络中，以一个智能设备的角度来看，一部分数据传输到基站BS，还有一部分分流到低功率无线接入节点AP，但同时也存在着被一个隐藏的窃听者窃听数据的这种情况，在保证数据传输需求和安全溢出限制的情况下最小化系统总功率消耗的优化问题描述为一个非凸性优化问题；(2)将TPM问题垂直分解为两层优化问题；(3)根据底层问题，提出了单调性优化的功率控制方法，优化了SD的传输功率；(4)针对顶层问题，提出模拟退火的方法，进一步优化系统总消耗的功率；(5)通过底层问题与顶层问题的交互迭代，最终解决TPM问题。本发明具有较高的安全性和可靠性。
-
公开(公告)号：CN108770072B
公开(公告)日：2021-10-29
申请号：CN201810661506.5
申请日：2018-06-25
Applicant: 浙江工业大学
Abstract: 一种基于深度强化学习的非正交接入最优解码排序上行传输时间优化方法，包括以下步骤：(1)在给定一种解码排序πm的条件下,优化问题描述为一个非凸性优化问题；(P1‑m)问题是在给定智能终端上传量的情况下找到最优的整体无线资源消耗，观察(P1‑m)问题知道它的目标函数只有一个变量；(2)和(3)通过深度强化学习算法来找到一个最优的上行传输时间，使得有最优的整体无线资源消耗；(4)提出算法OptOrder‑Algorithm找到最优的解码排序，再联合深度强化学习算法，输出全局最小整体无线资源消耗和全局最优上行传输时间。本发明提高了系统传输效率，获得更优质的无线网络体验质量，使得有最优的整体无线资源消耗。
-
公开(公告)号：CN109388492B
公开(公告)日：2021-06-18
申请号：CN201811170723.0
申请日：2018-10-09
Applicant: 浙江工业大学
IPC: G06F9/50
Abstract: 一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法，包括以下步骤：(1)在多个边缘计算服务器的覆盖范围下总共有n个移动用户，提出了一种在有限的边缘服务器算力资源下，最优系统移动终端的算力分配与最大化系统的收益，优化问题描述为一个非凸性优化问题；(2)在给定vi的条件下将TRO问题等价转化为TRO‑sub问题；(3)讨论求解决TRO‑Sub问题确定基于模拟退火的方法求出全局最优的解，并求出最大化的系统收益。本发明对于移动终端而言，利用边缘计算技术大大提高了率先完成工作量证明的概率；对于边缘计算服务器而言，在有限的算力资源条件下，满足了移动终端的需求；提高了系统最终的收益。
-
Patent Agency Ranking
公开(公告)号：CN109388492A
公开(公告)日：2019-02-26
申请号：CN201811170723.0
申请日：2018-10-09
Applicant: 浙江工业大学
IPC: G06F9/50
Abstract: 一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法，包括以下步骤：(1)在多个边缘计算服务器的覆盖范围下总共有n个移动用户，提出了一种在有限的边缘服务器算力资源下，最优系统移动终端的算力分配与最大化系统的收益，优化问题描述为一个非凸性优化问题；(2)在给定vi的条件下将TRO问题等价转化为TRO-sub问题；(3)讨论求解决TRO-Sub问题确定 基于模拟退火的方法求出全局最优的解，并求出最大化的系统收益。本发明对于移动终端而言，利用边缘计算技术大大提高了率先完成工作量证明的概率；对于边缘计算服务器而言，在有限的算力资源条件下，满足了移动终端的需求；提高了系统最终的收益。
-
公开(公告)号：CN109089272B
公开(公告)日：2021-10-15
申请号：CN201811105795.7
申请日：2018-09-21
Applicant: 浙江工业大学
Abstract: 一种在多基站场景中的基于非正交多址接入的移动边缘计算布伦特式时延优化方法，包括以下步骤：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户，优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM‑i)分解为两层优化问题；(3)根据底层DM‑i‑E‑Sub问题，提出了基于拉格朗日乘数法的对分搜索方法，在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM‑i‑E‑Top问题，提出布伦特方法，优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代，最终解决问题(DM‑i)。本发明提高了系统传输效率，节省带宽资源，获得更优质的无线网络体验质量。
-
公开(公告)号：CN109526040A
公开(公告)日：2019-03-26
申请号：CN201811105824.X
申请日：2018-09-21
Applicant: 浙江工业大学
IPC: H04W48/16 , H04W56/00 , H04B1/7097
Abstract: 一种在多基站场景中的基于非正交多址接入的移动边缘计算线性搜索式时延优化方法，包括以下步骤：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户，优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM-i)分解为两层优化问题；(3)根据底层DM-i-E-Sub问题，提出了基于拉格朗日乘数法的对分搜索方法，在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM-i-E-Top问题，提出线性搜索方法，优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代，最终解决问题(DM-i)。本发明提高了系统传输效率，节省了带宽资源，获得更优质的无线网络体验质量。
-
公开(公告)号：CN109089272A
公开(公告)日：2018-12-25
申请号：CN201811105795.7
申请日：2018-09-21
Applicant: 浙江工业大学
Abstract: 一种在多基站场景中的基于非正交多址接入的移动边缘计算布伦特式时延优化方法，包括以下步骤：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户，优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM-i)分解为两层优化问题；(3)根据底层DM-i-E-Sub问题，提出了基于拉格朗日乘数法的对分搜索方法，在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM-i-E-Top问题，提出布伦特方法，优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代，最终解决问题(DM-i)。本发明提高了系统传输效率，节省带宽资源，获得更优质的无线网络体验质量。
-
公开(公告)号：CN108770072A
公开(公告)日：2018-11-06
申请号：CN201810661506.5
申请日：2018-06-25
Applicant: 浙江工业大学
CPC classification number: H04W72/121 , H04W24/02 , H04W52/346 , H04W72/1231 , H04W72/1268
Abstract: 一种基于深度强化学习的非正交接入最优解码排序上行传输时间优化方法，包括以下步骤：(1)在给定一种解码排序πm的条件下,优化问题描述为一个非凸性优化问题；(P1‑m)问题是在给定智能终端上传量的情况下找到最优的整体无线资源消耗，观察(P1‑m)问题知道它的目标函数只有一个变量；(2)和(3)通过深度强化学习算法来找到一个最优的上行传输时间，使得有最优的整体无线资源消耗；(4)提出算法OptOrder‑Algorithm找到最优的解码排序，再联合深度强化学习算法，输出全局最小整体无线资源消耗和全局最优上行传输时间。本发明提高了系统传输效率，获得更优质的无线网络体验质量，使得有最优的整体无线资源消耗。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
