公开(公告)号：CN114641076A

公开(公告)日：2022-06-17

申请号：CN202210299217.1

申请日：2022-03-25

Applicant: 重庆邮电大学

Inventor： 鲜永菊 ,  刘闯

IPC: H04W72/04

Abstract: 本发明属于移动通信技术领域，具体涉及一种超密集网络中基于动态用户满意度的边缘计算卸载方法，该方法包括：构建多用户超密集网络，对网络初始化；网络中的用户设备产生计算任务，并向宏基站发送任务卸载请求；宏基站获取用户设备信息以及网络环境信息，并构建任务模型；将任务模型和网络环境信息输入到训练好的任务决策模型中，得到任务卸载决策；宏基站将任务卸载决策分别发送给用户设备和微基站；用户设备根据任务卸载决策执行任务卸载，微基站根据任务卸载决策分配计算资源进行任务计算；本发明对传统任务的模型进行了改进，对任务执行所消耗的能量进行了度量，使其能满足不同条件下用户的能耗需求。

公开(公告)号：CN114885422A

公开(公告)日：2022-08-09

申请号：CN202210299457.1

申请日：2022-03-25

Applicant: 重庆邮电大学

Inventor： 鲜永菊 ,  刘闯

IPC: H04W72/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于移动通信技术领域，具体涉及一种超密集网络中基于混合接入方式的动态边缘计算卸载方法，该方法包括：构建多用户超密集网络；用户设备产生计算任务，并向宏基站发送任务请求；宏基站构建任务模型，并获取当前网络的状态信息；根据当前网络的状态信息执行不同的任务传输方式；将当前网络的状态信息输入到训练好的神经网络中，得到卸载决策以及资源分配方案；宏基站将决策方案发送到各个用户，将资源分配方案发送给微基站；用户根据决策方案进行任务卸载，微基站根据资源分配方案进行资源分配；发明采用目标较为先进的双延时确定性策略梯度算法来求解优化问题，提高了模型的训练效率。