本发明公开一种车联网中基于边缘计算和深度强化学习的动态服务放置方法，包括以下步骤：1)建立网络与服务请求模型，获取网络与服务请求相关信息；2)建立网络与服务请求计算模型；3)构建状态空间、动作空间、策略函数和奖励函数；4)构建演员网络和批评家网络，并对演员网络和批评家网络进行训练；5)演员网络生成服务放置策略，并输入到批评家网络中；6)所述批评家网络评估服务放置策略的策略质量，若评估不通过，则更新演员网络参数，并返回步骤5)，若评估通过，则输出服务放置策略。本发明在考虑车辆的移动性、变化的需求和对不同类型服务请求的动态性的同时，最小化最大的边缘资源使用和服务延迟。
📄 2022109926575
📂 H04W16_22
👤 重庆大学
📅 2022-08-18
本发明公开一种基于推荐感知和协作边缘缓存的内容请求处理系统，包括网络信息获取模块、移动边缘缓存系统模型搭建模块、推荐列表生成模块、用户体验质量计算模块、请求处理策略生成模块；本发明综合考虑了终端的个性化需求，结合了“软缓存”这一观点，给出了对内容请求的最佳处理方式，同时通过对缓存友好的启发式算法确定对内容请求的最佳处理地点，很大程度上提高了用户的QoE(Qualityof Experience，体验质量)。
📄 2021105729164
📂 G06F16_9536
👤 重庆大学
📅 2021-05-25
本发明公开了一种基于边缘计算加速自动语音识别任务的卸载方法，主要步骤为：1)建立边缘通信系统，包括云服务器、若干基站和若干用户端。每个基站均设有边缘服务器。2)用户端向基站发送自动语音识别任务。3)基站接收到自动语音识别任务后，将自动语音识别任务发送至云服务器。4)建立自动语音识别任务卸载模型。5)利用交替迭代的方法对自动语音识别任务卸载模型进行解算，得到最后任务卸载策略。本发明缓解了云服务器的压力，提高了用户使用智能应用时的体验，满足高精度、低时延的任务需求。
📄 2019114082372
📂 G10L15_30
👤 重庆大学
📅 2019-12-31
一种面向边缘环境下无人机的三层架构协同优化系统及方法，系统包括从底层到上层依次设置的边缘节点层、移动边缘服务器层、云服务器层；边缘节点层用于获取执行特定应用的任务的计算时间和能耗；移动边缘服务器层在边缘节点层中的边缘终端位置确定情况下，带宽通过三维空间中的欧式距离、路径损耗和香农定理计算得到；通过带宽的计算确定无人机信号覆盖范围和最佳悬停位置，还根据带宽得到相应的传输数据时间和任务计算时间；云服务器层计算边缘节点层中边缘终端与云服务器层的传输能耗，获得云端计算时间和相应网络环境下的传输时间。本发明针对移动边缘环境下响应时间敏感的计算密集型任务，解决了任务执行时间延迟较大和能耗较高的问题。
📄 2021103907877
📂 G05D1_10
👤 安徽大学
📅 2021-04-12
本发明涉及一种计算资源有限MEC中联合任务卸载和资源分配方法，属于无线通信和移动边缘计算领域。该方法通过制约卸载的思想缓解计算资源有限的问题，主要体现在MEC调整价格影响用户的卸载决策。该方法包括：小区内用户产生新的计算任务，向MEC服务器发送任务卸载请求；MEC收集本时隙内所有用户发送的计算卸载请求信息，首先通过Stackelberg模型描述MEC与用户之间的交互，然后根据差异化定价策略为用户制定价格，通过改进模拟退火算法为用户分配计算资源，最后向用户返回服务报价以及可提供的计算资源；用户根据收到MEC的返回结果，独自完成卸载决定。本发明可有效应用在计算资源有限的MEC场景，可以提高MEC的总收益。
📄 202110042448X
📂 H04W24_06
👤 重庆邮电大学
📅 2021-01-13
本发明请求保护一种边缘计算中基于深度森林的用户异常行为检测方法，包括步骤：S1，云中心将MEC节点收集的用户日常数据进行预处理；S2，云中心确定深度森林每层的并行训练任务；S3，云中心通过群智能算法将训练任务分配给MEC节点；S4，云中心下发任务所需训练数据，所有MEC节点接收数据后同时进行训练，得到该级联层的子森林训练结果；S5，所有MEC节点将训练结果上传到云中心，得到所有层的训练结果后，云中心整合为异常行为检测模型，并将模型下发到MEC节点，进行用户异常行为检测。本发明结合边缘计算特点和深度森林的并行优势，解放了云中心部分计算压力，提高了基于深度森林的异常行为检测系统的训练效率，从而减少异常行为检测系统建立耗时。
📄 202011577709X
📂 G06F21_55
👤 天津拾起卖科技集团有限公司
📅 2020-12-28
本发明涉及无线供能边缘计算和任务调度技术领域，具体涉及一种面向无线供能边缘计算网络的资源分配方法，首先，综合考虑异构接入点、移动终端、时变信道和异构任务，并建立了相应的系统模型、设备与服务模型、任务模型计算模型；然后，综合考虑多种影响计算性能的因素，设计基于混合延迟任务的选择算法；最后，考虑无线供能边缘计算网络网络模型特性，基于一维时间变量二分搜索的坐标下降算法解决移动终端的卸载决策和系统时间资源分配问题。本发明能够在时变信道下有效的做出异构接入点选择、卸载决策和时间资源分配方案，从而提高系统整体计算效能。
📄 2024111712022
📂 H04W72_50
👤 桂林理工大学
📅 2024-08-26
本发明公开了一种基于深度强化学习的车载边缘任务集中调度与资源分配联合优化方法，包括步骤：1.获取车辆任务可接入RSU的信息、车载任务的信息等；2.将车载任务边缘调度与资源分配决策方法转化为数学问题，进行数学建模；3.使用深度强化学习方法求解步骤2中的数学模型；4.将算法部署至软件定义的中央控制器。本发明充分考虑每个车载任务对边缘计算服务器负荷的影响、各个车载任务之间影响，在保证在规定时间内完成计算车载任务、保证各个边缘计算服务器的负载均衡的同时，使得边缘计算服务器提供商的利益最大化。
📄 202110488718X
📂 H04L67_1008
👤 江苏大学
📅 2021-05-06
本发明公开了通信技术领域的一种海洋监测网络计算卸载和资源分配方法，所述方法包括：以最小化无人船时延与能耗加权和为目标构建时延与能耗加权和优化问题，联合优化水下传感器节点USN的发射功率、无人船的发射功率、带宽分配以及卸载比例；求解所述时延与能耗加权和优化问题，得到海洋监测网络计算卸载和资源分配方案；根据所述海洋监测网络计算卸载和资源分配方案，进行海洋监测网络计算卸载和资源分配。本发明提供的海洋监测网络计算卸载和资源分配方法以无人船的时延与能耗和最小为目标，通过联合优化水下传感器的发射功率、无人船的发射功率、带宽分配以及卸载比例，能够使时延与能耗和的显著降低，为用户带来更为良好的体验。
📄 2024106881340
📂 H04W28_084
👤 南京邮电大学
📅 2024-05-30
本发明公开了一种无人机位置和卸载决策联合优化方法及装置，在用户设备能量采集消耗因果性、条件互信息等约束下，建立了用户设备总时延最小化问题，首先通过推导的闭合表达式将该问题的优化变量由卸载决策、能量采集时间和无人机位置三个变量转化为卸载决策和无人机位置两个变量，然后将转化后的问题分解为卸载决策优化子问题和无人机位置优化子问题交替迭代求解，采用遗传算法对卸载决策子问题进行求解，采用逐次凸逼近算法对无人机位置优化子问题进行求解，最终得到合适的用户卸载决策、能量采集时间和无人机位置，本发明通过合理的安排用户卸载决策和多无人机悬停的位置，降低用户完成任务的时延。
📄 202410358895X
📂 G08G5_00
👤 南京邮电大学
📅 2024-03-27
卫星边缘计算网络中考虑卫星移动性的计算卸载方法，可以将用户任务卸载到卫星上计算，从而快速响应用户服务请求，减少资源和能量消耗；分析卫星移动的四种场景，建立了考虑卫星移动的时延模型，并根据时延和能耗模型建立计算卸载的优化问题，有效解决卫星移动速度快的问题；运用ADMM算法对问题进行求解，将原问题分解为多个子问题，每个子问题分别在卫星求解，在多用户场景下，有效加快算法收敛速度。本发明针对资源有限、卫星移动、用户海量的卫星边缘计算网络，对用户卸载决策进行优化，以最小化网络时延和能耗。
📄 2023114714523
📂 H04B7_185
👤 南京邮电大学
📅 2023-11-07
本发明公开了一种基于服务缓存的无人机辅助任务卸载与资源分配方法，用于多无人机辅助的MEC系统，同时考虑服务缓存以及计算卸载，其中无人机可以缓存部分程序来执行地面终端设备卸载的计算任务，同时本地终端设备可以缓存少量程序来执行部分计算任务；并在所有设备和无人机的任务完成时延要求和无人机能量有限的限制条件下，建立了最小化所有地面终端设备请求任务的总时延优化问题。该问题是一个混合整数非线性规划问题，将其解耦为任务卸载决策、无人机资源分配和无人机轨迹三个子问题，分别采用松弛变量、拉格朗日乘子法、泰勒展开方法对三个子问题进行迭代求解，获得了任务卸载决策、无人机资源分配和无人机轨迹的最优解。
📄 2023104336650
📂 H04W28_08
👤 南京邮电大学
📅 2023-04-21
柿子坊 · 知识产权运营
柿子坊知识产权运营平台