公开(公告)号：CN115913987A

公开(公告)日：2023-04-04

申请号：CN202211300594.9

申请日：2022-10-24

Applicant: 浙江工商大学

Inventor： 朱明刚 ,  谢满德 ,  雷希燕

IPC: H04L41/14 ,  H04L67/00 ,  H04L67/10 ,  H04L67/12

Abstract: 本发明属于边缘计算领域，公开了一种边缘计算环境下的智能公交服务卸载方法，包括步骤A：建立三层系统模型；步骤B：建立网络通信模型，步骤C：建立任务时延计算模型，步骤D：问题建模，通过计算单个车机的总时延可以求出整个系统的综合时延；步骤E：通过深度强化学习算法DQN结合长短期记忆网络选择最优卸载决策。本发明通过将边缘服务器部署在靠近车辆的位置，大大降低了传输延迟。同时，对于车辆行驶过程中所遇到的各种问题，利用深度学习的感知能力和强化学习的决策能力，再加入LSTM网络对环境状态的整合能力，逐渐收敛到我们想要的最优决策，从而生成服务卸载决策。

公开(公告)号：CN115913987B

公开(公告)日：2024-05-14

申请号：CN202211300594.9

申请日：2022-10-24

Applicant: 浙江工商大学

Inventor： 朱明刚 ,  谢满德 ,  雷希燕

IPC: H04L41/14 ,  H04L67/00 ,  H04L67/10 ,  H04L67/12

Abstract: 本发明属于边缘计算领域，公开了一种边缘计算环境下的智能公交服务卸载方法，包括步骤A：建立三层系统模型；步骤B：建立网络通信模型，步骤C：建立任务时延计算模型，步骤D：问题建模，通过计算单个车机的总时延可以求出整个系统的综合时延；步骤E：通过深度强化学习算法DQN结合长短期记忆网络选择最优卸载决策。本发明通过将边缘服务器部署在靠近车辆的位置，大大降低了传输延迟。同时，对于车辆行驶过程中所遇到的各种问题，利用深度学习的感知能力和强化学习的决策能力，再加入LSTM网络对环境状态的整合能力，逐渐收敛到我们想要的最优决策，从而生成服务卸载决策。

公开(公告)号：CN115904533A

公开(公告)日：2023-04-04

申请号：CN202211300552.5

申请日：2022-10-24

Applicant: 浙江工商大学

Inventor： 朱明刚 ,  谢满德 ,  俞军

IPC: G06F9/445 ,  G06F9/50 ,  G06N3/0442

Abstract: 本发明属于边缘计算领域，公开了一种基于深度强化学习的边缘计算任务卸载方法，包括步骤A：建立系统模型；步骤B：本地计算模式下任务都在设备上计算并且同时获取能量；步骤C：边缘计算模式下设备将任务卸载到边缘节点上计算；步骤D：卸载决策问题建模；步骤E：通过DDPG算法模型中加入一层长短期记忆网络LSTM选择最优卸载决策。本发明在DDPG主网络中加入了一层长短期记忆网络LSTM，由于LSTM网络长短期记忆功能，可以记录当前环境状态之前一段时间地环境状态，再与当前检测到的环境状态整合，就可以更加准确地得到当前环境状态，由此可以让系统做出更加准确地动作，生成我们需要的优化策略，提高了系统整体性能。