本发明公开一种移动边缘计算网络下推荐赋能的边缘缓存优化方法，步骤包括：1)建立可推荐边缘缓存系统；2)获取当前待分析基站中所有服务用户、边缘服务器中的信息数据；3)初始化可推荐边缘缓存系统参数；4)确定t时刻的内容推荐策略5)计算t时刻的内容推荐策略 的资源分配代价；6)建立基于强化学习的内容替换模型，并利用基于强化学习的内容替换模型更新边缘服务器的缓存内容；7)返回步骤2)，重复迭代，直至时刻t＝T，输出可推荐边缘缓存系统中的最优缓存内容 T为运行周期。本发明解决了边缘服务端缓存内容利用率低，传输时间过长用户体验感不好等情况。减低了系统成本，提高了用户的服务质量。
📄 2022109569614
📂 H04L67_568
👤 重庆大学
📅 2022-08-10
本发明公开一种移动边缘计算系统中任务卸载的成本效率优化系统及方法。方法步骤为：1)搭建移动边缘计算系统；2)计算能量成本和时间成本；3)设置任务的卸载决策变量，并建立用户服务体验增益模型；4)利用用户服务体验增益模型确定任务Ri的卸载决策；5)计算成本效率；6)确定基于任务卸载优先级的任务卸载方案。系统包括移动边缘计算系统、能量成本和时间成本计算模块、单任务卸载决策生成模块、任务卸载成本效率计算模块、任务卸载方案生成模块和数据库。本发明可以实现移动边缘计算系统能量‑时间成本效率最大化。
📄 2020115951522
📂 G06F9_50
👤 重庆大学
📅 2020-12-29
本发明属于移动通信技术领域，具体涉及一种移动边缘计算中基于多点协作的任务迁移方法；该方法包括：构建MEC场景下的网络系统模型；基于MEC场景下的网络系统模型构建协作通信模型、任务计算模型、用户移动性模型和负载均衡模型；根据协作通信模型、任务计算模型、用户移动性模型和负载均衡模型构建卸载决策和协作集合关联决策联合优化问题；在慢时间尺度上面向未来负载变化进行节点协作，组成协作集合；根据协作集合在快时间尺度上求解卸载决策和协作集合关联决策联合优化问题，得到最优卸载决策和协作集合关联决策；系统根据最优卸载决策和协作集合关联决策进行任务迁移；本发明可有效降低任务迁移率和任务执行时延。
📄 2023103090808
📂 H04L67_10
👤 重庆邮电大学
📅 2023-03-27
本发明属于移动通信技术领域，涉及一种基于SWIPT的MEC系统中任务卸载方法，包括考虑由多个终端设备和多个基站构成的SWIPT‑MEC系统；分别建立任务模型、通信模型、计算模型和能量收集模型；为了求解系统收益最大化问题，建立了基于买卖博弈的供需互动优化模型；终端设备根据自身的计算需求和能源需求向基站购买通信资源，建立买方收益最大化问题；通过动态报价基站向设备提供不同的计算和通信资源，建立卖方收益最大化问题，通过拉格朗日乘子法和KKT条件计算出训练时隙的最优卸载决策；利用深度强化学习预测得到待测时隙的最优的卸载策略；本发明有效降低系统能耗成本，提升系统总收益。
📄 2023102119103
📂 H04L67_00
👤 重庆邮电大学
📅 2023-03-07
本发明涉及一种主从MEC网络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。该方法包括：主小区内移动用户产生新的计算任务，向部署在小区内的MEC服务器发送卸载请求；MEC服务器收集本时隙内所有移动用户的计算卸载请求信息，并交付给上层SDN控制器；SDN随机对任务构建初始卸载集，对卸载集内的任务进行多MEC选择，分配计算资源，更新卸载集，求得最小的目标函数值；若此时目标函数值不小于上一次迭代的目标函数值或所有任务都卸载，则输出卸载集、多MEC选择矩阵和计算资源分配集。本发明降低了主小区内移动用户执行任务的总代价，提高了移动用户卸载的数量，缓解了单MEC计算资源不足带来的问题。
📄 2021100355719
📂 H04W24_02
👤 重庆邮电大学
📅 2021-01-12
本发明公开了基于业务类型的移动边缘计算辅助基站动态休眠节能方法，包括：步骤1，基于用户业务数据包，分析获得用户的业务类型；计算微基站负载量；步骤2，判断是否存在微基站的负载量过载，若是则将该微基站的部分用户切换给候选基站；步骤3，判断微基站是否满足休眠条件，若满足则基于用户的业务类型，微基站切换所有用户给候选集站，执行步骤3，否则结束运行；步骤4，判断微基站是否成功切换所有的用户给候选集站，若成功则休眠该微基站，否则结束运行。本发明结合业务类型与负载的微基站休眠方法，既保证了特殊业务的实时性稳定性要求，提升了用户的体验，又能动态休眠微基站，节约了能源。
📄 2022101317102
📂 H04W52_02
👤 南京邮电大学
📅 2022-02-14
一种基于深度确定性策略梯度方法的移动边缘计算速率最大化方法，包括以下步骤：1)计算出在给出模式选择下系统中所有无线设备的速率总和；2)所有无线设备集合；3)所有无线设备的计算速率总和最大化问题；4)通过深度确定性策略梯度方法来寻找一个最优的模式选择；5)所有无线设备的模式选择M0和M1作为深度确定性策略梯度方法的状态xt，动作a则是对状态xt的更改，更改后系统的总计算速率会与一个设定的标准值进行比较，如果比这个标准值大则使当前奖励r(xt，a)设为正值，反之设为负值，同时系统进入下一状态xt+1。本发明在保证用户体验的前提下最大化所有无线设备的总和计算速率。
📄 2018103423576
📂 H04W24_02
👤 浙江工业大学
📅 2018-04-17
一种基于无人机辅助无线能量协同传输的移动边缘计算方法，在该方法中，通信过程分为三个均等时隙，无人机UAV在第一时隙以无线能量传输的方式向两个移动设备传递能量；离UAV较远的移动设备在第二时隙把卸载数据发送给离UAV较近的移动设备；离UAV较近的移动设备在第三时隙利用收集到的能量将两个移动设备的卸载数据发送给UAV。本发明有效解决基于无线能量传输的移动边缘计算系统的“双远近”效应问题，提供一种基于无人机辅助无线能量协同传输的移动边缘计算方法，有助于提升移动边缘计算系统的性能。
📄 202010062314X
📂 H04B7_185
👤 浙江工业大学
📅 2020-01-20
一种基于移动边缘计算的非正交多址接入窄带物联网的系统能耗最小化方法，在兼备MEC和NOMA技术的窄带物联网络中通过联合优化发射功率、计算资源分配和解码排序实现系统能耗最小化，该优化问题描述为一个多变量优化；将P1分解为两个子优化问题：优化资源分配和优化解码排序，其中，针对资源分配的优化，首先根据一对一对数变换已将P1问题转换成P2的凸问题，再通过梯度下降算法来优化发射功率和计算资源分配的问题；其次针对设备解码排序的优化，采用禁忌搜索算法来优化变量。本发明提供一种在兼备MEC和NOMA技术的窄带物联网中通过设计一种联合发射功率、计算资源分配以及设备解码排序的优化算法实现整个系统能耗最小化的方法。
📄 2019106588185
📂 H04W52_02
👤 浙江工业大学
📅 2019-07-22
一种基于半监督学习的移动边缘计算分流决策方法，包括以下步骤：1)在一个由多个用户组成，并且每个用户都有多个独立的任务的移动通信系统中，计算出在给出分流决策下系统中所有的能量损耗；2)计算总的时间损耗考虑为所有时间消耗的总和；3)所有用户的分流决策将通过他们的发送数据DOnm和接收数据DInm的大小决定，半监督学习的作用则是将它们作为半监督学习中神经网络的输入，然后生成一个能使整个系统的能量损耗总和最小的分流决策。本发明通过半监督学习寻找出最优的分流决策方法，在保证用户体验的前提下最小化能量损耗，保证服务质量。
📄 2018103423716
📂 H04L12_24
👤 浙江工业大学
📅 2018-04-17
一种在多基站场景中的基于非正交多址接入的移动边缘计算布伦特式时延优化方法，包括以下步骤：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户，优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM‑i)分解为两层优化问题；(3)根据底层DM‑i‑E‑Sub问题，提出了基于拉格朗日乘数法的对分搜索方法，在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM‑i‑E‑Top问题，提出布伦特方法，优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代，最终解决问题(DM‑i)。本发明提高了系统传输效率，节省带宽资源，获得更优质的无线网络体验质量。
📄 2018111057957
📂 H04W24_02
👤 浙江工业大学
📅 2018-09-21
本发明公开了一种小蜂窝集成移动边缘计算下分布式卸载方法，包括以下步骤：1、建立宏基站覆盖区域内全体用户终端总能耗优化模型；2、用服务器n分配给用户终端m的时隙变量ym,n，替换建立的优化模型中目标函数的传输能量消耗部分，并添加等式约束,得到替换模型；利用ADMM对替换模型进行松弛和分解，得到迭代框架，分别输出用户终端侧和小蜂窝侧的优化子模型；3、对输出的用户终端侧和小蜂窝侧子模型，分别利用KKT条件推导出最优闭式解；4、基于步骤三得到的闭式解，输出信令交互和优化迭代流程。该方法主要解决现有技术复杂度高、收敛慢等问题，能有效降低用户终端能耗，适用于叠加边缘计算的小蜂窝网络。
📄 2018112926860
📂 H04W24_02
👤 南京邮电大学
📅 2018-11-01
柿子坊 · 知识产权运营
柿子坊知识产权运营平台