公开(公告)号：CN119767359A

公开(公告)日：2025-04-04

申请号：CN202411932441.5

申请日：2024-12-26

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄一帆 ,  张俊杰 ,  赖轩

IPC: H04W28/084 ,  H04W28/082 ,  H04W28/08 ,  H04W28/24 ,  H04L67/1095 ,  H04L67/12 ,  H04L67/2885

Abstract: 本发明提供了一种分层多边缘协作无服务计算系统，包括SMEC节点，所述SMEC节点配有异构的边缘服务器，为终端设备提供服务；SMEC节点包含本地边缘节点和数据汇聚节点；本地边缘节点通过蜂窝网络与终端设备连接，并作为其无线接入点，数据汇聚节点接收来自下层节点的无服务请求，并进行处理或转发；SMEC节点之间通过有线网络连接；函数镜像文件保存执行无服务计算任务所需的代码和库文件，通过存储镜像文件将无服务计算服务部署在SMEC节点上，进而根据镜像文件启动具体的函数实例以提供无服务计算服务。应用本技术方案能够根据环境状态，生成合适的任务调度和镜像放置方案，以最大化系统性能。

公开(公告)号：CN119364438A

公开(公告)日：2025-01-24

申请号：CN202411631746.2

申请日：2024-11-15

Applicant: 福州大学

Inventor： 陈哲毅 ,  梁杰 ,  钟璐英 ,  赖轩

IPC: H04W28/14 ,  H04W28/08 ,  H04W24/02 ,  H04L67/10 ,  H04L41/16 ,  G06N3/098

Abstract: 本发明提出了基于鲁棒性联邦深度学习的多边缘协作缓存方法，首先，RoCoCache为多维缓存空间设计了一种新颖的划分机制，在用户分类区间内实现了精确的内容推荐。接下来，RoCoCache开发了一种新的离散分类变分自编码器（DC‑VAE），通过克服后验坍塌来准确预测内容的受欢迎程度。最后，RoCoCache创建了一种基于鲁棒联邦深度学习的原始训练模式和主动缓存替换策略。本发明将基于残差的对抗性模型更新检测和基于相似性的联邦聚合相结合，避免了对抗性更新造成的模型破坏，使主动缓存替换能够适应优化后的缓存资源，从而提高了缓存性能。

公开(公告)号：CN119316879A

公开(公告)日：2025-01-14

申请号：CN202411332756.6

申请日：2024-09-24

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄智钦 ,  张俊杰 ,  赖轩

IPC: H04W28/08 ,  H04W72/53 ,  H04W4/40 ,  H04L67/12 ,  H04W84/06 ,  H04B7/185 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明提出多无人机辅助车联网下基于联邦深度强化学习的资源分配与协作卸载方法，首先，将传输功率与计算资源分配子问题从原问题中解耦出来并引入凸优化理论对其进行求解；在给定卸载策略下，通过求解KKT条件以获取到近优的传输功率与计算资源分配策略；接着，设计一种基于联邦深度强化学习FDRL的联合资源分配与协作卸载策略；具体地，每个为UAV决策的DRL智能体在与环境进行交互的同时将模型参数在中心服务器聚合；通过将聚合后的全局模型分发到局部模型，每个智能体可以感知到环境的整体状态，进而实现近优的协作卸载策略；应用本技术方案可取得近优的资源分配策略，并自适应地进行UAV协作卸载以更好地平衡其负载。

公开(公告)号：CN119300048A

公开(公告)日：2025-01-10

申请号：CN202411328230.0

申请日：2024-09-24

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄智钦 ,  张俊杰 ,  赖轩 ,  郑霖睿

IPC: H04W16/18 ,  H04W28/08 ,  H04W84/06 ,  H04B7/185 ,  H04L67/12

Abstract: 本发明提供面向物联网的多无人机部署与协作卸载方法，首先，将原始联合优化问题转化为UAV部署子问题与计算卸载子问题；接着，针对UAV部署子问题，提出一种基于约束K‑Means聚类的UAV部署方案；通过将UAV覆盖范围约束引入K‑Means聚类，自适应地调整UAV的部署位置以提高系统中计算卸载服务的覆盖率与覆盖均衡度；最后，针对计算卸载子问题，提出一种基于MARL的多UAV协作计算卸载策略；通过中心化训练与去中心化执行的模式，所提策略实现近似最优的计算卸载与UAV协作策略。应用本技术方案可实现更优的UAV部署性能，在提升服务覆盖率的同时改善了覆盖均衡。

公开(公告)号：CN119865435A

公开(公告)日：2025-04-22

申请号：CN202510039223.7

申请日：2025-01-10

Applicant: 福州大学

Inventor： 陈哲毅 ,  江庆南 ,  陈礼贤 ,  张俊杰 ,  赖轩

IPC: H04L41/147 ,  H04L41/16 ,  H04L67/12

Abstract: 本发明提供了基于个性化联邦深度学习的多边缘协作负载预测方法，包括以下步骤：步骤1：参数服务器选择客户端参加本轮次的联邦聚合，并发送工作请求给客户端；步骤2：被选中的客户端根据当前边缘服务器的状态决定是否参加本轮联邦聚合，并返回接受/拒绝回复给参数服务器；步骤3：参数服务器分发全局模型#imgabs0#和全局控制参数#imgabs1#至参与联邦聚合的客户端；步骤4：客户端对其边缘服务器上的历史负载数据进行预处理，包括数据清洗、重采样、归一化和去噪；本技术方案整合多边缘协作与个性化联邦深度学习，通过解决负载数据高噪声、高可变、数据量不足、模型泛化能力差等关键问题，自适应地实现了对边缘负载的高效精确预测。

公开(公告)号：CN118972905A

公开(公告)日：2024-11-15

申请号：CN202411005711.8

申请日：2024-07-25

Applicant: 福州大学

Inventor： 陈哲毅 ,  梁杰 ,  郑鸿鑫 ,  赖轩 ,  麦著学

IPC: H04W28/14 ,  G06N3/0455 ,  G06N3/098 ,  H04W28/084 ,  H04W28/08 ,  H04L67/568 ,  H04L67/5682 ,  H04L67/10

Abstract: 本发明提出基于联邦学习的边缘协作缓存方法，所述方法包括用户情景空间划分机制、混合缓存空间划分机制，包括以下步骤；步骤S1、结合用户特征矩阵进行用户区间划分，获得特定MEC节点每个用户区间的缓存空间大小，以提升用户在分类区间获取内容推荐的精准度；步骤S2、使用向量量化变分自编码器对内容流行度进行预测，提升系统对使用偏好进行分析的准确度，提升内容缓存的准确性和针对性；步骤S3、以基于联邦学习的缓存替换策略，根据用户的内容请求情况来及时更新内容资源，提升边缘协作缓存的命中率；本发明能优化用户互动体验，及时响应移动应用。