-
公开(公告)号：CN111278132B
公开(公告)日：2022-04-26
申请号：CN202010060434.6
申请日：2020-01-19
Applicant: 重庆邮电大学
IPC: H04W72/04 , H04W72/08 , H04W72/12 , H04L47/783 , H04L47/80
Abstract: 本发明涉及一种移动边缘计算中面向低时延高可靠业务的资源分配方法，属于移动通信技术领域。该方法在多MEC多用户环境下，分别刻画用户任务队列模型和MEC任务队列模型，并以任务队列上溢概率为约束，建立移动服务提供商网络效用最大化的理论模型，对功率资源、带宽资源和计算资源进行联合分配。考虑到优化模型中约束条件包含任务队列溢出概率的极限约束，通过Lyapunov优化理论将时间平均的随机优化问题转化并分解成单时隙求解的三个子问题，包括用户的计算资源分配、带宽与功率分配以及MEC的计算资源分配问题，进而分别对其求解。本发明在满足用户低时延高可靠的需求的同时提高了MSP的平均总收益。
-
公开(公告)号：CN111368888B
公开(公告)日：2022-07-01
申请号：CN202010116968.6
申请日：2020-02-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度动态贝叶斯网络的服务功能链故障诊断方法，属于通信技术领域，结合服务功能链场景的特点，根据服务功能链的分层网络架构中的故障传播关系，构建故障诊断模型，采用在物理节点监测其上多个虚拟网络功能性能数据的方式收集症状的高维数据。并且考虑到基于SDN/NFV架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性，采用深度信念网络对观测数据特征进行提取。最后，利用故障传播的时间相关性，引入动态贝叶斯网络对故障根源进行实时诊断。本发明提出5G端到端网络切片场景的服务功能链故障诊断方法能够在有效处理高维网络数据的同时，满足系统对故障诊断精度的要求。
-
公开(公告)号：CN111147307B
公开(公告)日：2022-04-29
申请号：CN201911397560.4
申请日：2019-12-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的服务功能链可靠部署方法，属于通信技术领域。该方法包括以下步骤：S1：基于设备使用度和周边安全系数的可靠性度量方式得到可靠性值；S2：通过功能特性、拓扑特性初步确定每个虚拟网络功能的可靠性需求；S3：求得满足虚拟链路可靠性需求的链路可靠性需求可部署长度；S4：基于各个可靠性需求，使用深度强化学习寻找适合虚拟网络环境和基层环境的最佳映射方案；S5：在映射过程中如VNF可靠性不能满足，使用基于重要度的节点备份方法，链路部署结果不满足链路可靠性，使用基于链路备份重要度的链路备份方法。本方法在保证可靠性需求的基础上能够有效应对基层故障，减少失效SFC数量，同时保证负载均衡使整个虚拟网络更加稳定可靠。
-
公开(公告)号：CN111586762B
公开(公告)日：2023-02-17
申请号：CN202010358386.9
申请日：2020-04-29
Applicant: 重庆邮电大学
IPC: H04W28/084 , H04W28/16
Abstract: 本发明涉及一种基于边缘协作的任务卸载及资源分配联合优化方法，属于移动通信技术领域，针对移动业务流量激增及空间分布不均的边缘网络环境下，通过基于软件定义网络SDN的集中式系统架构对网络设备的资源进行实时感知及集中管控，并在用户最大容忍延迟和MEC服务器计算资源约束下，建立用户公平性的时延最小化的理论模型，使得所有用户中最大的时延最小化，并通过基于模拟退火思想的启发式迭代算法框架对任务卸载策略和资源分配方案进行联合优化。本发明不仅均衡了MEC服务器的计算负载，充分发挥了MEC技术的优势，同时在保证用户公平性的同时降低用户任务执行时延，提高资源利用率和MEC系统系统性能。
-
公开(公告)号：CN111526070B
公开(公告)日：2022-06-03
申请号：CN202010359298.0
申请日：2020-04-29
Applicant: 重庆邮电大学
IPC: H04L43/0817 , H04L41/50 , H04L41/0893 , H04L41/14 , G06F9/455
Abstract: 本发明涉及一种基于预测的服务功能链故障检测方法，属于通信技术领域。本发明首先根据虚拟网络环境下服务功能链的虚拟网络功能间存在的性能相关性，采用监测整条服务功能链上每个虚拟网络功能性能数据的方式收集数据，并对其工作状态进行划分；其次考虑到网络监测数据的高维复杂和时间相关特性，结合故障检测的主动性要求，采用门控循环单元网络进行故障的检测，通过分析服务功能链的历史性能数据信息来预测网络的健康状况；并利用不同服务功能链间虚拟网络功能节点的相似性，引入迁移学习来加快模型的收敛速度。本发明可以在满足故障检测时间要求的同时有效检测出故障发生。
-
Patent Agency Ranking
公开(公告)号：CN110493826B
公开(公告)日：2022-04-12
申请号：CN201910804972.9
申请日：2019-08-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的异构云无线接入网资源分配方法，属于移动通信技术领域。在该方法中，包括：1)以队列稳定为约束，联合拥塞控制、用户关联、子载波分配和功率分配，并建立网络总吞吐量最大化的随机优化模型；2)考虑到调度问题的复杂性，系统的状态空间和动作空间是高维的，DRL算法利用神经网络作为非线性近似函数，高效地解决维度灾难题；3)针对无线网络环境的复杂性和动态多变性，引入迁移学习算法，利用迁移学习的小样本学习特性，使得DRL算法在少量样本的情况下也能获得最优的资源分配策略。本方法能够在最大化整个网络总吞吐量同时，满足业务队列稳定性的要求。在移动通信系统中有很高的应用价值。
-
公开(公告)号：CN111586762A
公开(公告)日：2020-08-25
申请号：CN202010358386.9
申请日：2020-04-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于边缘协作的任务卸载及资源分配联合优化方法，属于移动通信技术领域，针对移动业务流量激增及空间分布不均的边缘网络环境下，通过基于软件定义网络SDN的集中式系统架构对网络设备的资源进行实时感知及集中管控，并在用户最大容忍延迟和MEC服务器计算资源约束下，建立用户公平性的时延最小化的理论模型，使得所有用户中最大的时延最小化，并通过基于模拟退火思想的启发式迭代算法框架对任务卸载策略和资源分配方案进行联合优化。本发明不仅均衡了MEC服务器的计算负载，充分发挥了MEC技术的优势，同时在保证用户公平性的同时降低用户任务执行时延，提高资源利用率和MEC系统系统性能。
-
公开(公告)号：CN111278132A
公开(公告)日：2020-06-12
申请号：CN202010060434.6
申请日：2020-01-19
Applicant: 重庆邮电大学
IPC: H04W72/04 , H04W72/08 , H04W72/12 , H04L12/927 , H04L12/911
Abstract: 本发明涉及一种移动边缘计算中面向低时延高可靠业务的资源分配方法，属于移动通信技术领域。该方法在多MEC多用户环境下，分别刻画用户任务队列模型和MEC任务队列模型，并以任务队列上溢概率为约束，建立移动服务提供商网络效用最大化的理论模型，对功率资源、带宽资源和计算资源进行联合分配。考虑到优化模型中约束条件包含任务队列溢出概率的极限约束，通过Lyapunov优化理论将时间平均的随机优化问题转化并分解成单时隙求解的三个子问题，包括用户的计算资源分配、带宽与功率分配以及MEC的计算资源分配问题，进而分别对其求解。本发明在满足用户低时延高可靠的需求的同时提高了MSP的平均总收益。
-
公开(公告)号：CN108900357A
公开(公告)日：2018-11-27
申请号：CN201810863449.9
申请日：2018-08-01
Applicant: 重庆邮电大学
IPC: H04L12/24 , H04L12/863 , H04L12/875 , H04L12/911 , G06F9/455
Abstract: 本发明涉及一种虚拟化C-RAN网络下的网络切片虚拟资源分配方法，属于通信技术领域。该方法在满足各网络切片平均时延约束以及网络平均回传链路带宽消耗约束的前提下，以最大化平均网络切片和速率为目标进行动态的资源分配。所分配的网络资源包括频谱资源(资源块)和缓存资源。在每个资源调度时隙上，集中式的资源管理系统根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。本发明提出的虚拟资源分配方法能够在提升网络切片和速率的同时保证各切片的服务质量。
-
公开(公告)号：CN111526070A
公开(公告)日：2020-08-11
申请号：CN202010359298.0
申请日：2020-04-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于预测的服务功能链故障检测方法，属于通信技术领域。本发明首先根据虚拟网络环境下服务功能链的虚拟网络功能间存在的性能相关性，采用监测整条服务功能链上每个虚拟网络功能性能数据的方式收集数据，并对其工作状态进行划分；其次考虑到网络监测数据的高维复杂和时间相关特性，结合故障检测的主动性要求，采用门控循环单元网络进行故障的检测，通过分析服务功能链的历史性能数据信息来预测网络的健康状况；并利用不同服务功能链间虚拟网络功能节点的相似性，引入迁移学习来加快模型的收敛速度。本发明可以在满足故障检测时间要求的同时有效检测出故障发生。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
