-
公开(公告)号：CN114863683A
公开(公告)日：2022-08-05
申请号：CN202210508400.8
申请日：2022-05-11
Applicant: 湖南大学
IPC: G08G1/01
Abstract: 本公开实施例中提供了一种基于多目标优化的异构车联网边缘计算卸载调度方法，属于计算技术领域，具体包括：建立具有缓存和计算功能的两层异构车载边缘网络模型；确定server的服务缓存决策；求解server服务缓存最优解；根据卸载任务的不同特性建立不同的任务卸载模型；提出系统优化目标，根据任务卸载模型计算相应的时延和能耗，在服务缓存和计算资源的约束下，计算不同卸载模型下的联合时延和能耗开销，选择开销最小的模型进行计算卸载；将计算卸载过程建模为受约束的基于卸载时延和卸载能耗两个目标的优化问题；为所建模型构造多目标萤火虫算法，基于非支配排序筛选出最优计算卸载解集。通过本公开的方案，提高了计算效率和适应性。
-
Patent Agency Ranking
公开(公告)号：CN115225671B
公开(公告)日：2024-03-15
申请号：CN202210830583.5
申请日：2022-07-15
Applicant: 湖南大学
IPC: H04L67/12 , H04L67/51 , H04L41/142 , G06F9/50 , G06N3/126
Abstract: 本公开实施例中提供了一种AIoT智慧医疗多址边缘卸载方法、系统、设备及介质，属于计算技术领域，具体包括：步骤1，将移动物联设备分类为可部署服务和不可部署服务；步骤2，利用服务组合技术，将卸载范围内的云系统对应的服务和不同移动物联设备对应的服务组合并按照预设的顺序调用，得到AIoT应用程序的执行顺序；步骤3，根据执行顺序将全部AIoT应用程序分配至可部署服务和边缘服务器中，生成部署方案；步骤4，根据部署方案进行任务计算，得到解集；步骤5，通过进化算法对当前解集迭代进行交叉和变异寻找优化直到解集表现优势不再增加，得到最优解集合。通过本公开的方案，考虑了移动设备的任务计算，降低了时延及能耗。
-
公开(公告)号：CN115200586B
公开(公告)日：2024-07-09
申请号：CN202210830286.0
申请日：2022-07-15
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种基于协同感知和智能边缘计算的自动驾驶路径规划方法，属于计算技术领域，具体包括：目标汽车发起感知任务，规划感知任务对应的兴趣区域；做出协同感知任务分配决策；为参与协同感知任务的周边车辆做出计算卸载决策；为接受卸载的路侧单元做出资源分配决策；将计算卸载决策和协同感知任务分配决策同步至路侧单元和周边车辆中，以及，将资源分配决策同步至路侧单元中；进行协同感知数据的采集与计算任务的卸载，任务处理结果通过车间通信和车路通信的链路返回至目标汽车；目标汽车将任务处理结果进行信息融合并根据融合后的结果进行轨迹预测和路径规划。通过本公开的方案，提高了路径规划的效率、精准度和适应性。
-
公开(公告)号：CN114863683B
公开(公告)日：2023-07-04
申请号：CN202210508400.8
申请日：2022-05-11
Applicant: 湖南大学
IPC: G08G1/01
Abstract: 本公开实施例中提供了一种基于多目标优化的异构车联网边缘计算卸载调度方法，属于计算技术领域，具体包括：建立具有缓存和计算功能的两层异构车载边缘网络模型；确定server的服务缓存决策；求解server服务缓存最优解；根据卸载任务的不同特性建立不同的任务卸载模型；提出系统优化目标，根据任务卸载模型计算相应的时延和能耗，在服务缓存和计算资源的约束下，计算不同卸载模型下的联合时延和能耗开销，选择开销最小的模型进行计算卸载；将计算卸载过程建模为受约束的基于卸载时延和卸载能耗两个目标的优化问题；为所建模型构造多目标萤火虫算法，基于非支配排序筛选出最优计算卸载解集。通过本公开的方案，提高了计算效率和适应性。
-
公开(公告)号：CN115225671A
公开(公告)日：2022-10-21
申请号：CN202210830583.5
申请日：2022-07-15
Applicant: 湖南大学
IPC: H04L67/12 , H04L67/51 , H04L41/142 , G06F9/50 , G06N3/12
Abstract: 本公开实施例中提供了一种AIoT智慧医疗多址边缘卸载方法、系统、设备及介质，属于计算技术领域，具体包括：步骤1，将移动物联设备分类为可部署服务和不可部署服务；步骤2，利用服务组合技术，将卸载范围内的云系统对应的服务和不同移动物联设备对应的服务组合并按照预设的顺序调用，得到AIoT应用程序的执行顺序；步骤3，根据执行顺序将全部AIoT应用程序分配至可部署服务和边缘服务器中，生成部署方案；步骤4，根据部署方案进行任务计算，得到解集；步骤5，通过进化算法对当前解集迭代进行交叉和变异寻找优化直到解集表现优势不再增加，得到最优解集合。通过本公开的方案，考虑了移动设备的任务计算，降低了时延及能耗。
-
公开(公告)号：CN115200586A
公开(公告)日：2022-10-18
申请号：CN202210830286.0
申请日：2022-07-15
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种基于协同感知和智能边缘计算的自动驾驶路径规划方法，属于计算技术领域，具体包括：目标汽车发起感知任务，规划感知任务对应的兴趣区域；做出协同感知任务分配决策；为参与协同感知任务的周边车辆做出计算卸载决策；为接受卸载的路侧单元做出资源分配决策；将计算卸载决策和协同感知任务分配决策同步至路侧单元和周边车辆中，以及，将资源分配决策同步至路侧单元中；进行协同感知数据的采集与计算任务的卸载，任务处理结果通过车间通信和车路通信的链路返回至目标汽车；目标汽车将任务处理结果进行信息融合并根据融合后的结果进行轨迹预测和路径规划。通过本公开的方案，提高了路径规划的效率、精准度和适应性。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
