-
公开(公告)号：CN112954715B
公开(公告)日：2022-05-31
申请号：CN202110134344.1
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明提出一种基于迁移学习的无线服务节点容量估计方法，包括以下步骤：步骤S1：根据不同区域内无线服务节点部署模式，利用聚类算法对无线网络中的区域进行分类，并使用迁移学习建立大型无线服务节点和微型无线服务节点的容量模型；步骤S2：根据实时的流量需求和无线服务节点容量估计模型，无线服务节点休眠算法，在满足网络覆盖和实时流量需求的区域内，最大限度地降低功耗。本发明提出的无线服务节点休眠策略倾向于激活最优个数的大型无线服务节点以提供基本的网络覆盖和微型无线服务节点来提高吞吐量，研究发现在微型无线服务节点较多或者流量波动较大的地区，可以节省更多的能源。
-
Patent Agency Ranking
公开(公告)号：CN115065728B
公开(公告)日：2023-12-08
申请号：CN202210660932.3
申请日：2022-06-13
Applicant: 福州大学
IPC: H04L67/568 , H04W28/02
Abstract: 本发明公开一种基于多策略强化学习的多目标内容存储方法，包括以下步骤：步骤S1：提出基于视频文件传输的协同缓存无线网络体系结构，定义了异构无线基站的状态空间和动作空间；步骤S2：动态内容缓存更新算法应用于各智能体，实现计算资源利用率最大化。步骤S3：利用权重映射网络来确定对于卸载流量的偏好权重，以帮助智能体实现策略选择过程，同时在协调器中引入混合网络来捕获各个智能体的信息，训练全局策略更新参数，并将结果反馈给各个无线基站进行各智能体的局部策略更新。本技术方案能够通过多策略方法学习一系列备选策略，为网络实现当前流量和视频质量之间的权衡。(56)对比文件Youjia Chen等.Performance Analysis ofWireless Networks with IntelligentReflecting Surfaces《. 2021 IEEE WirelessCommunications and Networking Conference(WCNC)》.2021,全文.
-
公开(公告)号：CN112954715A
公开(公告)日：2021-06-11
申请号：CN202110134344.1
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明提出一种基于迁移学习的无线服务节点容量估计方法，包括以下步骤：步骤S1：根据不同区域内无线服务节点部署模式，利用聚类算法对无线网络中的区域进行分类，并使用迁移学习建立大型无线服务节点和微型无线服务节点的容量模型；步骤S2：根据实时的流量需求和无线服务节点容量估计模型，无线服务节点休眠算法，在满足网络覆盖和实时流量需求的区域内，最大限度地降低功耗。本发明提出的无线服务节点休眠策略倾向于激活最优个数的大型无线服务节点以提供基本的网络覆盖和微型无线服务节点来提高吞吐量，研究发现在微型无线服务节点较多或者流量波动较大的地区，可以节省更多的能源。
-
公开(公告)号：CN113779302B
公开(公告)日：2023-09-22
申请号：CN202111058748.3
申请日：2021-09-09
Applicant: 福州大学
IPC: G06F16/71 , G06N3/08 , H04L67/1097 , H04W24/06 , H04W28/16
Abstract: 本发明提出一种基于值分解网络和多智能体强化学习的半分布式协作存储方法，根据无线智能存储网络模型，设计半分布式多智能体强化学习框架，设计状态空间、动作空间、奖励函数，来实现无线网络中对用户和无线服务节点信息的特征标识；结合Dueling DQN网络具有的高效的决策能力进而提出了动态存储算法，用于每个无线服务节点的存储替换策略；提出利用无线网络的汇聚节点嵌入值分解网络计算的全局策略更新参数，传递给各个无线服务节点进行各智能体的局部策略更新；通过各个智能体中神经网络不断迭代更新，来使得全局损失函数达到收敛状态，从而得到全局最佳的存储策略。各个智能体的信息传递给汇聚节点促进了各个智能体的相互协作，快速达到全局最优。
-
公开(公告)号：CN115065728A
公开(公告)日：2022-09-16
申请号：CN202210660932.3
申请日：2022-06-13
Applicant: 福州大学
IPC: H04L67/568 , H04W28/02
Abstract: 本发明公开一种基于多策略强化学习的多目标内容存储方法，包括以下步骤：步骤S1：提出基于视频文件传输的协同缓存无线网络体系结构，定义了异构无线基站的状态空间和动作空间；步骤S2：动态内容缓存更新算法应用于各智能体，实现计算资源利用率最大化。步骤S3：利用权重映射网络来确定对于卸载流量的偏好权重，以帮助智能体实现策略选择过程，同时在协调器中引入混合网络来捕获各个智能体的信息，训练全局策略更新参数，并将结果反馈给各个无线基站进行各智能体的局部策略更新。本技术方案能够通过多策略方法学习一系列备选策略，为网络实现当前流量和视频质量之间的权衡。
-
公开(公告)号：CN113779302A
公开(公告)日：2021-12-10
申请号：CN202111058748.3
申请日：2021-09-09
Applicant: 福州大学
Abstract: 本发明提出一种基于值分解网络和多智能体强化学习的半分布式协作存储方法，根据无线智能存储网络模型，设计半分布式多智能体强化学习框架，设计状态空间、动作空间、奖励函数，来实现无线网络中对用户和无线服务节点信息的特征标识；结合Dueling DQN网络具有的高效的决策能力进而提出了动态存储算法，用于每个无线服务节点的存储替换策略；提出利用无线网络的汇聚节点嵌入值分解网络计算的全局策略更新参数，传递给各个无线服务节点进行各智能体的局部策略更新；通过各个智能体中神经网络不断迭代更新，来使得全局损失函数达到收敛状态，从而得到全局最佳的存储策略。各个智能体的信息传递给汇聚节点促进了各个智能体的相互协作，快速达到全局最优。
-
-
-
-
-
Search Results
6
records
(took 0.012 seconds)
