-
公开(公告)号：CN114049083A
公开(公告)日：2022-02-15
申请号：CN202111326412.0
申请日：2021-11-10
Applicant: 福建师范大学
IPC: G06Q10/10 , G06F21/62 , G06N3/00 , H04L41/0823
Abstract: 本发明的一种基于隐私等级分级的科学工作流数据布局方法及终端，建立粒子群模型，基于粒子群中的每一个粒子当前的最优解和粒子群当前的最优解对每一个粒子进行迭代，得到收敛后的粒子群；每一个粒子表示混合云环境下隐私等级分级科学工作流的一个数据布局方案，在每一个数据布局方案中保存对应粒子在当前迭代时每一个分位的数据存储位置。结合遗传算法的变异算子和交叉算子，对不满足隐私等级限制或者数据中心容量限制的粒子进行更新；根据已更新的粒子或者满足隐私等级限制和数据中心容量限制的粒子得到对应的数据布局方案，从而通过引入遗传算法的交叉和进化算子，平衡算法的探索与开发，在满足隐私数据存储条件的限制下，降低数据传输时延。
-
公开(公告)号：CN112511614B
公开(公告)日：2022-12-06
申请号：CN202011314858.7
申请日：2020-11-20
Applicant: 福建师范大学
IPC: H04L67/12
Abstract: 本发明公开基于强化学习的车载边缘环境下智能网联车辆任务卸载方法，结合车载边缘计算VEC优势，建立CAVs任务卸载模型，将CAVs应用程序划分为多个存在数据依赖关系的任务，并确定了最小化应用卸载总能耗和调度失败率的联合优化目标。本发明综合考虑不同时间片上车辆的位置变化、卸载方式、优化目标等，建立了任务卸载的马尔可夫决策过程MDP模型。在CAVs计算、存储能力有限的情况下，选择合适的卸载平台，保证应用满足时延约束的前提下，降低系统能耗。
-
公开(公告)号：CN111352713A
公开(公告)日：2020-06-30
申请号：CN202010118236.0
申请日：2020-02-26
Applicant: 福建师范大学
IPC: G06F9/48
Abstract: 本发明公开边缘环境面向时延优化的自动驾驶推理任务工作流调度方法，考虑不同时间片中自动驾驶车辆产生的推理任务的差异以及边缘环境中边缘节点的动态变化情况，结合边缘计算，优化科学工作流传输时延。该方法考虑不同时间片中自动驾驶车辆产生的推理任务的差异以及边缘环境中边缘节点对调度处理时延的影响；通过引入Metropolis准则，平衡算法的探索与开发。有效降低边缘环境下的自动驾驶推理任务调度时延。
-
-
公开(公告)号：CN113726894B
公开(公告)日：2023-05-05
申请号：CN202111019147.1
申请日：2021-09-01
Applicant: 福建师范大学
IPC: H04L67/1001 , H04L67/12 , G06F9/445 , G06N3/04 , G06N3/092
Abstract: 本发明公开一种基于深度强化学习的多车应用计算卸载方法及终端，基于多个智能网联汽车、多个路边单位以及与所述多个智能网联汽车对应的多个DNN应用构建车辆边缘计算网络；根据所述车辆边缘计算网络确定计算卸载问题，并根据所述计算卸载问题建立马尔科夫决策过程模型；基于所述马尔科夫决策过程模型使用SA‑MADDPG算法确定卸载策略，并执行所述卸载策略，马尔科夫决策过程模型能够准确地描述多车计算卸载的过程，结合模拟退火的多智能体深度确定性策略梯度算法能够避免陷入局部最优解，加快收敛速度，有效地适应动态的多车环境，以此确定出最优的卸载策略，从而降低卸载失败率。
-
Patent Agency Ranking
公开(公告)号：CN113726894A
公开(公告)日：2021-11-30
申请号：CN202111019147.1
申请日：2021-09-01
Applicant: 福建师范大学
Abstract: 本发明公开一种基于深度强化学习的多车应用计算卸载方法及终端，基于多个智能网联汽车、多个路边单位以及与所述多个智能网联汽车对应的多个DNN应用构建车辆边缘计算网络；根据所述车辆边缘计算网络确定计算卸载问题，并根据所述计算卸载问题建立马尔科夫决策过程模型；基于所述马尔科夫决策过程模型使用SA‑MADDPG算法确定卸载策略，并执行所述卸载策略，马尔科夫决策过程模型能够准确地描述多车计算卸载的过程，结合模拟退火的多智能体深度确定性策略梯度算法能够避免陷入局部最优解，加快收敛速度，有效地适应动态的多车环境，以此确定出最优的卸载策略，从而降低卸载失败率。
-
公开(公告)号：CN111352713B
公开(公告)日：2023-08-11
申请号：CN202010118236.0
申请日：2020-02-26
Applicant: 福建师范大学
IPC: G06F9/48
Abstract: 本发明公开边缘环境面向时延优化的自动驾驶推理任务工作流调度方法，考虑不同时间片中自动驾驶车辆产生的推理任务的差异以及边缘环境中边缘节点的动态变化情况，结合边缘计算，优化科学工作流传输时延。该方法考虑不同时间片中自动驾驶车辆产生的推理任务的差异以及边缘环境中边缘节点对调度处理时延的影响；通过引入Metropolis准则，平衡算法的探索与开发。有效降低边缘环境下的自动驾驶推理任务调度时延。
-
-
公开(公告)号：CN113873525A
公开(公告)日：2021-12-31
申请号：CN202111142069.4
申请日：2021-09-28
Applicant: 福建师范大学
Abstract: 一种超密集边缘计算网络的任务卸载方法及终端，为任务种群中的每一个任务生成对应的初始化卸载决策和初始化信道分配方案，使用黄金分割算法计算每一个所述任务在对应的初始化信道分配方案中所使用信道的最优上传功率，提高任务的上传功率；基于信道的状态和任务的类型，更新任务对应的初始化卸载决策；根据信道传输能耗和有效干扰更新任务对应的初始化信道分配方案；因此能够基于当前的信道状态和任务类型，更新卸载决策，以保证卸载的任务能够在信道状态良好的情况下传输和处理，最终得到尽可能优的卸载决策，降低任务卸载的总能耗；根据自适应模拟退火遗传算法计算每一个任务的最优卸载决策和最优信道分配方案，从而降低任务卸载的能耗。
-
公开(公告)号：CN112511614A
公开(公告)日：2021-03-16
申请号：CN202011314858.7
申请日：2020-11-20
Applicant: 福建师范大学
IPC: H04L29/08
Abstract: 本发明公开基于强化学习的车载边缘环境下智能网联车辆任务卸载方法，结合车载边缘计算VEC优势，建立CAVs任务卸载模型，将CAVs应用程序划分为多个存在数据依赖关系的任务，并确定了最小化应用卸载总能耗和调度失败率的联合优化目标。本发明综合考虑不同时间片上车辆的位置变化、卸载方式、优化目标等，建立了任务卸载的马尔可夫决策过程MDP模型。在CAVs计算、存储能力有限的情况下，选择合适的卸载平台，保证应用满足时延约束的前提下，降低系统能耗。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
