-
公开(公告)号：CN108875999A
公开(公告)日：2018-11-23
申请号：CN201810391021.9
申请日：2018-04-27
Applicant: 湖北工业大学
Abstract: 本发明属于直接能源交易技术领域，具体涉及一种独立非对称信息下直接能源交易动态契约激励方法。所用方法为将直接能源交易场景映射成劳动力市场，将基于市场驱动的契约模型到应用到能源交易激励机制中，建立电力消费者模型和小型电力供应商模型；考虑到能源交易网络中小型电力供应商的自私性和双方信息的非对称性，针对小型电力供应商发电设备和存储设备的差异以及可再生能源可能具有随机性和间歇性特征，通过设计贯穿两阶段能源交易的动态契约模型，结合个人理性和激励相容的条件，实现对SES私有信息的甄别，以激励其积极参与电力的传输，从而实现交易收益并同时减少输电线路损失的目的。
-
公开(公告)号：CN111294813B
公开(公告)日：2022-04-29
申请号：CN202010077912.4
申请日：2020-02-01
Applicant: 湖北工业大学
Abstract: 本发明提出了一种无人机流量卸载的多阶段逆向选择契约模型优化方法。通过把无人机参与流量卸载场景映射成劳动力市场，将基于市场驱动的契约模型应用到流量卸载激励机制中，建立地面基站模型和空中无人机模型。其次，考虑到流量卸载场景中无人机的自私性和网络信息的非对称性，针对热点地区流量需求、无人机位置和无线信道等因素的动态特性，通过设计贯穿两阶段的流量卸载动态契约模型，结合个人理性和激励相容约束条件，实现对无人机私有信息的甄别，以激励其积极参与流量卸载。本发明保证流量卸载的实现，且本发明方法易于实现，基站和无人机之间的信息交互较少，因而该方法所需的信令开销较少。
-
公开(公告)号：CN110691422B
公开(公告)日：2021-07-13
申请号：CN201910946631.5
申请日：2019-10-06
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度强化学习的多信道智能接入方法，旨在将深度强化学习策略引入到多信道接入，以期实现多信道的智能接入。针对现有多信道接入策略较难适应信道环境动态性问题，本发明提出基于深度强化学习的多信道智能接入方法。首先，将多信道智能接入问题建模为离散状态与动作空间的马尔可夫决策过程，提出Q‑learning方法以实现多信道的智能接入。在此基础上，针对Q‑learning状态空间大和收敛慢等特点，通过设计深度神经网络，利用梯度下降法来训练深度神经网络的权值，修正损失函数解决状态‑动作函数过高估计问题，以获得近似最优的多信道智能接入策略。
-
公开(公告)号：CN112118556B
公开(公告)日：2022-11-18
申请号：CN202011079226.7
申请日：2020-10-10
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于深度强化学习的无人机轨迹及功率联合优化方法，其特征在于：建立无人机系统模型，对无人机轨迹控制和功率分配问题进行描述；建立马尔可夫模型，包括通过设置状态、动作空间和奖励函数，确定马尔可夫决策过程；采用深度确定性策略梯度方法，实现轨迹控制和功率分配的联合优化。应用本发明无人机可以准确移动到目标用户设备附近以提供无线服务，这可以减轻对未服务的用户设备的同信道干扰，同时控制无人机的发射功率，以实现频谱效率与避免干扰之间的平衡。
-
公开(公告)号：CN109862585B
公开(公告)日：2022-04-19
申请号：CN201910097964.5
申请日：2019-01-31
Applicant: 湖北工业大学
IPC: H04W24/06 , H04L41/147 , H04L41/14 , H04L41/142 , G06N3/04
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度时空神经网络的动态异构网络流量预测方法。针对现有移动数据流量预测方法覆盖区域小、预测精度低、预测时间短等问题，研究基于深度时空神经网络的动态异构网络流量预测方法。考虑用户移动性和流量数据时空相关性等特点，深入研究动态异构网络中广覆盖的长期移动数据流量预测数学模型描述方法；在此基础上，研究时空相关的卷积长短时记忆网络模型，以预测动态异构网络中移动流量的长期趋势；研究时空相关的三维卷积神经网络模型，以捕获动态异构网络中移动流量序列的微小波动；融合上述移动流量的长期趋势预测模型和短期变化模型，从而实现动态异构网络中广覆盖、高精度的长期移动流量预测。
-
Patent Agency Ranking
公开(公告)号：CN109889388B
公开(公告)日：2022-04-01
申请号：CN201910183951.X
申请日：2019-03-12
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于声誉理论的移动众包网络动态契约激励机制设计方法。所述方法包括如下步骤：步骤1，建立服务提供商(Service Provider,SP)模型和移动用户(Mobile Users,MU)模型；步骤2，建立两阶段动态契约模型，以规避签约后由于信息不对称性导致的道德风险问题；步骤3，建立融合声誉理论的两阶段动态契约模型，通过契约显性激励和声誉隐性激励的双重激励，从而保证MU长期高效地参与移动众包。本发明提出的多用户参与众包网络激励方法易于实现，源节点和中继节点之间的信息交互较少，因而该方法所需的信令开销较少。
-
公开(公告)号：CN110691422A
公开(公告)日：2020-01-14
申请号：CN201910946631.5
申请日：2019-10-06
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度强化学习的多信道智能接入方法，旨在将深度强化学习策略引入到多信道接入，以期实现多信道的智能接入。针对现有多信道接入策略较难适应信道环境动态性问题，本发明提出基于深度强化学习的多信道智能接入方法。首先，将多信道智能接入问题建模为离散状态与动作空间的马尔可夫决策过程，提出Q-learning方法以实现多信道的智能接入。在此基础上，针对Q-learning状态空间大和收敛慢等特点，通过设计深度神经网络，利用梯度下降法来训练深度神经网络的权值，修正损失函数解决状态-动作函数过高估计问题，以获得近似最优的多信道智能接入策略。
-
公开(公告)号：CN109818693A
公开(公告)日：2019-05-28
申请号：CN201910108947.7
申请日：2019-02-03
Applicant: 湖北工业大学
IPC: H04B17/382 , H04B17/391
Abstract: 本发明提出了一种动态非对称信息条件下多阶段协作频谱共享契约方法。本发明通过将协作通信网络映射成劳动力市场，将基于市场驱动的契约设计加入到无线协作频谱共享机制中，建立源节点模型和中继节点模型；考虑到无线协作通信网络中节点的自私性和网络信息的非对称性，针对中继节点位置和信道条件因素的动态特性，建立两阶段协作通信的动态契约模型；结合激励相容和个人理性的约束条件以及两阶段协作通信的动态契约模型，通过二次求导得到最优解。本发明方法易于实现，源节点和中继节点之间的信息交互较少，该方法所需的信令开销较少。
-
公开(公告)号：CN108521673B
公开(公告)日：2022-11-01
申请号：CN201810309020.5
申请日：2018-04-09
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种异构网络中基于强化学习的资源分配和功率控制联合优化方法。针对传输信道和传输功率等因素的动态和时变特性，在考虑异构网络中用户的自私性和运营商利益的前提下，在建立异构蜂窝网络系统模型基础上，通过建立多智能体强化学习框架，结合用户满意度和运营商追求利益的条件，利用分布式Q学习方法，获得最优的资源分配、用户关联和功率控制联合策略，从而实现整个网络的长期系统效用的最大化。
-
公开(公告)号：CN109982328B
公开(公告)日：2022-09-13
申请号：CN201910097980.4
申请日：2019-01-31
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度神经网络的协作频谱共享智能契约设计方法。针对契约签订前后信息和行为隐匿性双重非对称动态网络信息问题，在研究小型基站多阶段流量卸载能力类型和流量卸载服务行为的数学模型描述方法的基础上，通过探索多阶段私有信息甄别机制，以规避动态逆向选择问题；通过设计多阶段私有行为激励策略，以规避动态道德风险行为；针对双重非对称动态网络信息场景下多阶段动态契约模型的非凸优化求解问题，利用小型基站的私有信息和声誉信息，通过建立多层神经网络结构框架，探索基于深度学习的多阶段智能契约模型，研究双重信息非对称场景下多阶段动态契约优化设计策略，从而保证多阶段协作频谱共享实现。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.018 seconds)
