-
公开(公告)号：CN111918311A
公开(公告)日：2020-11-10
申请号：CN202010806989.0
申请日：2020-08-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于5G移动边缘计算的车联网任务卸载和资源分配方法，属于移动通信技术领域。通过添加一个备用MEC服务器的方法来弥补网络中计算资源不足的问题，MEC服务器之间资源共享以解决负载不均衡问题，联合任务卸载策略及计算资源分配以最小化网络开销。由于该优化问题难以直接求解，本发明提出一种启发式算法，将原问题转换为本地计算资源分配及任务卸载子问题分别求解。其中本地计算资源分配子问题采用导数求极值的方法得到最优解，任务卸载子问题联合任务卸载及MEC资源分配，采用拉格朗日优化算法进行求解，从而最小化网络时延和能耗开销。
-
公开(公告)号：CN111935784A
公开(公告)日：2020-11-13
申请号：CN202010806971.0
申请日：2020-08-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾计算网络中基于联邦学习的内容缓存方法，属于移动通信技术领域。通过在F-RAN中部署内容缓存，可以实现快速、重复的数据访问，减轻网络传输流量。由于缓存容量的限制，预测内容的流行度并缓存哪些流行内容是非常重要的。通常，大多数经典的预测方法都需要在一个中央单元收集个人用户信息，导致了许多用户隐私问题。本发明提出了一种基于联邦学习的智能F-RANs范例。将联邦学习应用于需求预测问题，可以准确预测网络中内容流行度分布。此外，考虑到用户的内容请求，本发明联合优化了网络中存储资源分配和内容放置问题。本发明将联合优化问题表示为一个整数线性规划模型，目标是最小化网络总流量成本。
-
公开(公告)号：CN114599014B
公开(公告)日：2025-03-14
申请号：CN202210261412.5
申请日：2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法，属于移动通信技术领域，包括以下步骤：S1：建立交通流模型，根据车辆的位置信息推导行驶速度，基于等效转换，计算车辆间的连接时间；S2：基于贪婪思想对车辆进行匹配；S3：将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵，对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法，对部分卸载决策和资源分配进行归一化处理来满足约束条件；S4：基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率，降低了超时率和系统成本。
-
公开(公告)号：CN114640966B
公开(公告)日：2024-05-10
申请号：CN202210242936.X
申请日：2022-03-11
Applicant: 重庆邮电大学
IPC: H04W4/44 , H04W28/08 , H04W28/084 , G06N3/126
Abstract: 本发明属于移动通信技术领域，具体涉及一种车联网中基于移动边缘计算的任务卸载方法，该方法包括：构建多边缘服务器联合卸载模型；获取车辆的卸载任务，并根据车辆的卸载任务构建卸载基站选择向量；根据卸载基站选择向量采用基于等价最大容忍时延的资源分配方法计算进行任务卸载的负载和能耗；以能耗作为适应性函数，并采用遗传算法对车辆的卸载任务进行迭代优化，得到卸载基站选择方案；根据卸载基站选择方案使用强化学习对任务卸载策略进行优化，得到任务卸载比率和卸载功率；根据选定的卸载基站、制定的卸载比率和卸载功率完成任务卸载；本发明有效的降低了系统总能耗开销，实现了车联网任务卸载和资源分配的有效性。
-
公开(公告)号：CN111918311B
公开(公告)日：2022-04-12
申请号：CN202010806989.0
申请日：2020-08-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于5G移动边缘计算的车联网任务卸载和资源分配方法，属于移动通信技术领域。通过添加一个备用MEC服务器的方法来弥补网络中计算资源不足的问题，MEC服务器之间资源共享以解决负载不均衡问题，联合任务卸载策略及计算资源分配以最小化网络开销。由于该优化问题难以直接求解，本发明提出一种启发式算法，将原问题转换为本地计算资源分配及任务卸载子问题分别求解。其中本地计算资源分配子问题采用导数求极值的方法得到最优解，任务卸载子问题联合任务卸载及MEC资源分配，采用拉格朗日优化算法进行求解，从而最小化网络时延和能耗开销。
-
Patent Agency Ranking
公开(公告)号：CN114640966A
公开(公告)日：2022-06-17
申请号：CN202210242936.X
申请日：2022-03-11
Applicant: 重庆邮电大学
Abstract: 本发明属于移动通信技术领域，具体涉及一种车联网中基于移动边缘计算的任务卸载方法，该方法包括：构建多边缘服务器联合卸载模型；获取车辆的卸载任务，并根据车辆的卸载任务构建卸载基站选择向量；根据卸载基站选择向量采用基于等价最大容忍时延的资源分配方法计算进行任务卸载的负载和能耗；以能耗作为适应性函数，并采用遗传算法对车辆的卸载任务进行迭代优化，得到卸载基站选择方案；根据卸载基站选择方案使用强化学习对任务卸载策略进行优化，得到任务卸载比率和卸载功率；根据选定的卸载基站、制定的卸载比率和卸载功率完成任务卸载；本发明有效的降低了系统总能耗开销，实现了车联网任务卸载和资源分配的有效性。
-
公开(公告)号：CN114599014A
公开(公告)日：2022-06-07
申请号：CN202210261412.5
申请日：2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法，属于移动通信技术领域，包括以下步骤：S1：建立交通流模型，根据车辆的位置信息推导行驶速度，基于等效转换，计算车辆间的连接时间；S2：基于贪婪思想对车辆进行匹配；S3：将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵，对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法，对部分卸载决策和资源分配进行归一化处理来满足约束条件；S4：基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率，降低了超时率和系统成本。
-
公开(公告)号：CN111935784B
公开(公告)日：2022-04-22
申请号：CN202010806971.0
申请日：2020-08-12
Applicant: 重庆邮电大学
IPC: H04W28/14 , H04L67/568 , H04L67/5682 , G06N20/00 , G06F9/50
Abstract: 本发明涉及一种雾计算网络中基于联邦学习的内容缓存方法，属于移动通信技术领域。通过在F‑RAN中部署内容缓存，可以实现快速、重复的数据访问，减轻网络传输流量。由于缓存容量的限制，预测内容的流行度并缓存哪些流行内容是非常重要的。通常，大多数经典的预测方法都需要在一个中央单元收集个人用户信息，导致了许多用户隐私问题。本发明提出了一种基于联邦学习的智能F‑RANs范例。将联邦学习应用于需求预测问题，可以准确预测网络中内容流行度分布。此外，考虑到用户的内容请求，本发明联合优化了网络中存储资源分配和内容放置问题。本发明将联合优化问题表示为一个整数线性规划模型，目标是最小化网络总流量成本。
-
公开(公告)号：CN114282783A
公开(公告)日：2022-04-05
申请号：CN202111499031.2
申请日：2021-12-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾计算中多因素数据可靠性评估方法，属于移动通信技术领域。数据共享使用户们及时获取身边的重要信息。然而，在数据共享过程中由于用户的移动性和多变性，用户之间并不完全信任彼此。由于传感器故障、病毒感染甚至自私的原因，设备可能会传播错误信息。为减小这些恶意消息对其他用户的影响，必须抑制虚假消息的传播。本发明设计了一种方法来量化数据的真实性，使得数据共享过程中数据请求者获得更可靠的数据。雾节点通过贝叶斯模型推论对数据的真伪进行预判断，得到数据本身的可信度值。请求者在雾节点预判断结果的基础上综合提供者基于经验的信任值以及历史交互得出对数据的满意度，使得数据的可靠性评估更加全面。
-
公开(公告)号：CN113873534A
公开(公告)日：2021-12-31
申请号：CN202111204040.4
申请日：2021-10-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾计算中区块链协助的联邦学习主动内容缓存方法，属于移动通信技术领域。先，考虑到实际网络中用户设备的资源约束，提出了一种基于用户选择的联邦学习方案，以有效提高联邦学习的训练过程，减少模型训练的时间。其次，本发明使用了上下文感知的对抗性自动编码器C‑AAE来预测高度动态的内容流行度。最后，为了保证联邦学习中模型更新参数上传的安全性，引入区块链技术，设计了四种面向去中心化实体的智能合约，用于记录和验证交易。该发明可以有效提高缓存命中率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
