数字孪生云边网络下服务缓存与计算卸载优化方法

    公开(公告)号:CN119300092A

    公开(公告)日:2025-01-10

    申请号:CN202411403083.9

    申请日:2024-10-09

    Applicant: 福州大学

    Abstract: 本发明提出数字孪生云边网络下服务缓存与计算卸载优化方法,包括虚拟的数字孪生云边网络模型DTCEN,还包括基于凸优化使能深度强化学习的服务缓存与计算卸载联合优化方法JCO‑CR,DTCEN包含一个系统控制器SyC、一个云计算中心CC、I个基站BSs和J台用户设备UDs;BS集合记为#imgabs0#,UD集合记为#imgabs1#;每个BS配备一台用于提供存储和计算资源的MEC服务器,其中#imgabs2#的存储和计算资源分别记为#imgabs3#和#imgabs4#;UDs随机分布在各BS的通信覆盖范围内并将与其最近邻的BS作为本地BS;#imgabs5#通信覆盖范围内的UDs数量记为#imgabs6#,其中#imgabs7#;服务类型共有K种,记为#imgabs8#;SyC负责收集系统状态信息并传输给DRL智能体,由DRL智能体做出服务缓存与计算卸载决策;本发明能够有效降低服务延迟,能在不同场景下均展现出更加优越的性能。

    基于联邦学习的边缘协作缓存方法

    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

    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。

Patent Agency Ranking