专利交易市场

本发明公开了一种基于强化学习的数据中心服务器功耗管理与优化方法。本发明使用强化学习方法来解决数据中心的功耗管理与优化问题，通过连续地观察数据中心这一随机系统的负载到达、负载分布与功耗使用信息，序贯地做出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动做出决策。决策者根据新观察到的状态，再作新的决策，依此反复地进行。本发明可以无需任何先验知识，直接在线优化数据中心的负载分配策略，从而降低数据中心的整体运行功耗。

本发明涉及一种基于强化学习的智能车辆高速公路匝道汇入决策方法，涉及智能车辆领域，用于提高智能车辆汇入成功率，减少交通事故。该方法将高速公路匝道与主路的交叉点设置为合流点，将匝道以及位于合流点后S1米处和合流点前S2米处的主干道设置为控制区域；在控制区域内，将智能车辆投影到主路的目标车道上，投影智能车辆到合流点距离和匝道上智能车辆到合流点距离相等；确定投影智能车辆前面车辆和后面车辆，获取它们的速度和位置作为环境车辆信息；获取智能车辆与合流点距离、智能车辆速度和加速度作为智能车辆信息；根据智能车辆信息、环境车辆信息，采用强化学习DDPG模型进行加速度和前轮转角调整，逐步实现成功汇入。

本发明涉及一种工作在eLAA中的基于强化学习的帧配置方法，属于无线通信领域。括以下步骤：S1：基站作为智能体学习环境中的可能出现的各种情况；S2：智能体获取自身eUES的上下行数据需求，在能量检测区域内的eUES及其eBS上下行数据需求,同时探测AP节点平均传输时间等信息；S3：根据当前信息在学习结果中找到最优方案的，智能体根据方案配置自身帧结构；S4：智能体根据选择的结果完成帧配置过程。本发明通过配置各用户的传输时间，能够有效提高WiFi在免授权频段接入信道成功的概率，减少冲突，同时又能保证信道内用户的公平性，最终提高信道的吞吐量。

本发明提出了一种边缘计算中融合图神经网络和强化学习的容器集群在线部署方法，包括以下步骤：S1，由图卷积网络提取容器之间存在的拓扑关联关系；S2，在图卷积网络的辅助下序列到序列网络推断出部署策略。本发明根据构建的优化模型能够对边缘计算进行合理部署。