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
本发明公开了移动通信网络中基于异常检测和核密度估计KDE的指标突变小区检测方法，主要步骤为：1)建立历史数据序列和测试数据序列。2)筛选掉全部KPI序列均正常的小区，保留异常小区。3)利用基于高斯核的KDE计算异常小区差分前的异常KPI序列的异常分数，并建立异常分数矩阵A。4)判断异常分数矩阵A中是否存在元素a＞α，若是，则记元素a对应的KPI为突变指标，对应小区记为指标突变小区。本发明可精确定位指标突变小区，灵活性高，鲁棒性强，性能稳定。
📄 2019114028289
📂 H04W16_22
👤 重庆大学
📅 2019-12-31
一种基于契约的无人机边缘缓存策略和奖励优化方法，在该方法中，无人机和地面用户设备按照契约进行边缘缓存；能提供缓存资源的用户设备根据自己的信道、功率、速率和共享缓存资源代价等条件设计自己的类型和缓存策略；无人机根据每个用户设备可能的类型和缓存策略给其设计相应的契约；用户设备根据无人机提供的契约参与无人机边缘缓存，获得相应的奖励。本发明有效解决移动边缘网络中激励机制需要用户设备完全信息的问题，提供一种不需要用户设备完全信息的基于契约的无人机边缘缓存策略和奖励优化方法，有助于提升网络总体效益。
📄 2020100623084
📂 H04W16_22
👤 浙江工业大学
📅 2020-01-20
本发明公开了最小化能耗的TDMA无线供能边缘计算网络的任务卸载方法，包括混合接入点和I个无线设备。本最小化能耗的TDMA无线供能边缘计算网络的任务卸载方法通过构建系统的能量消耗模型，并通过给定若干个卸载决策，优化混合接入点向各无线设备传输无线能量的持续时长和所有无线设备的任务卸载至边缘服务器的传输时长，来训练能量消耗模型，直至能量消耗模型收敛，得到各无线设备最优的卸载决策，且最优的卸载决策对应的能量消耗就是最小的能量消耗，整个过程仅优化混合接入点向各无线设备传输无线能量的持续时长和所有无线设备的任务卸载至边缘服务器的传输时长，进而使得模型很快收敛，卸载决策的过程高效快速。
📄 2023106327162
📂 H04W16_22
👤 浙江工业大学
📅 2023-05-31
本发明公开了一种基于Q学习和多属性决策的WiFi卸载方法，适用于LTE网络和WiFi网络共存的移动用户场景，该方法利用马尔可夫模型描述网络环境的变化，综合考虑用户吞吐量、终端功耗、用户花费和通信时延四种网络属性建立优化目标，并通过多属性决策方法中的AHP(层次分析法)和TOPSIS(逼近理想值排序法)获得反映各个网络属性之间内在联系以及奖励函数，利用Q学习模型结合当前网络状况和自己的卸载历史做出卸载判决，最终得到最优WiFi卸载方案。本发明可应用于异构网络，且处理速度更快。
📄 2019104451652
📂 H04W16_22
👤 南京邮电大学
📅 2019-05-27
本发明公开了基于非合作博弈的水下移动无线传感器网络功率控制方法，包括如下步骤：明确需要优化的目标节点：建立面向水下复杂环境的水下移动无线传感器网络模型，包括节点移动受限模型和端到端时延模型；根据构建的水下移动无线传感器网络模型，建立一个非合作博弈模型，建立效用函数；对步骤2中所建立的效用函数进行纳什均衡分析，得出效用函数的纳什均衡是否存在，若存在则执行步骤4，若不存在则执行步骤2；判断纳什均衡是否存在唯一性，若存在，则执行步骤5，若不存在，则执行步骤2；对步骤3中得出的纳什均衡进行求解，得出纳什均衡点。本发明减小了单跳端到端的时延，一定程度上减小了水流引起的平均功率大小波动幅度。
📄 2016106098892
📂 H04W16_22
👤 浙江理工大学
📅 2016-07-29
本发明公开了一种基于区域划分和信任管理机制的安全层次路由方法及应用，该方法包括网络模型构建、节点信任管理、簇头选取、路由构建以及路由，本发明将划分区域的思想和信誉管理机制融入到路由算法的簇头选举、簇内簇间路由构建阶段用于快速又准确的隔离恶意节点并使簇的分布与室内结构相适应，该方法既均衡了网络能耗，又进一步保证了各类数据安全有效的传输。将本发明所提供的路由方法应用于智能家居中，既均衡了网络能耗，又进一步保证了智能家居场景下各类数据安全有效的传输。
📄 201710657239X
📂 H04W16_22
👤 浙江理工大学
📅 2017-08-03
本发明公开了一种智能手机合并转发延迟时间评估方法,包括以下步骤:建立智能手机Wi‑Fi模块模型、用户请求模型、阻塞控制器模型、唤醒控制器模型,进而由四个模型构成智能手机进行网络请求的PTA模板;对网络请求获取和释放唤醒锁概率分布进行配置,对用户请求参数进行配置;对智能手机网络请求进行蒙特卡洛模拟并得到不同网络请求概率分布下的智能手机Wi‑Fi模块能耗数据和用户不适感数据;根据步骤三所生成数据的显著性计算不同场景下通用的合并转发延迟时间。本发明准确反映不同合并转发延迟时间在不同使用场景下对智能手机能耗以及用户不适感方面的影响,帮助程序员定量分析通用的最优合并转发延迟时间,在满足用户需求的情况下最小化网络请求能耗。
📄 2021108501963
📂 H04W16_22
👤 常州大学
📅 2021-07-27
本发明涉及一种移动边缘计算网络中多目标优化的计算卸载方法，属物联网、人工智能领域。该方法基于面向时延和能耗的联合优化模型，通过设计智能算法GPSO实现多用户在进行任务卸载时的功率选择及按比例卸载。首先，确定移动边缘计算的网络架构，根据网络架构进行建模，模型包括系统模型、应用程序模型、通信模型、计算模型，然后根据所建立模型求解目标函数，将问题转换为混合非线性规划问题。最后，设计一种基于粒子群算法和遗传算法的分层计算算法GPSO，从而实现延迟与能耗联合优化下的用户的卸载比例策略和功率选择。该方法利用人工智能领域相关智能算法，实现移动边缘计算中多用户任务卸载策略的优化选择。
📄 2020112727864
📂 H04W16_22
👤 北京工业大学
📅 2020-11-14
本发明提供一种基于深度强化学习的基站休眠和功率分配方法，本发明以频谱效率和能量效率为优化目标，建立能耗优化模型，并将能耗优化模型的求解问提拆分为两个子问题，分别为基站休眠决策问题和功率分配决策问题，并确定基站休眠决策问题的优化目标和约束条件，以及功率分配决策问题的优化目标和约束条件，然后使用两个深度强化学习网络分别对基站休眠决策问题和功率分配决策问题进行求解，本发明能够解决现有技术忽略了用户在现实世界中的速率要求，数据集的偏差可能导致结果与实际情况大相径庭的问题。
📄 202411008726X
📂 H04W16_22
👤 华东交通大学
📅 2024-07-26
本发明提供一种支持RIS的车联网通感算一体化优化方法及系统，方法包括基于包括通感一体化设备及智能反射面的车联网通感算一体化系统分别构建第一信道模型、第二信道模型及第三信道模型，以获取车联网通感算一体化系统的初始吞吐量，获取通感一体化设备的初始感知性能；构建初始预测智能体，训练初始预测智能体，以获取最终预测智能体；通过最终预测智能体确定最优传输波束赋形矩阵及最优反射矩阵，以获取最大化网络吞吐量。通过最终预测智能体，对传输波束赋形矩阵及反射矩阵同步优化，降低了优化时间，提高了最大化网络吞吐量的获取效率，确保车联网通感算一体化系统以更快速、更低成本的方式实现信息的传输与处理。
📄 2024110959827
📂 H04W16_22
👤 华东交通大学
📅 2024-08-12
本发明提供了一种基于UKFNN的无线信道“指纹”特征动态建模方法，包括以下步骤：利用霍特林变换将复数形式的信道数据转换为实数域数据；利用主成份分析法对步骤S1转换后的信道数据进行降维处理；对步骤S1和S2处理后的数据进行归一化处理；利用UKFNN无迹卡尔曼滤波神经网络对信道数据进行建模，得到无线信道“指纹”模型；定义归类准则，并以UKFNN无迹卡尔曼滤波神经网络的输出变量对输入样本进行归类，对场景进行识别。该方法基于UKFNN无迹卡尔曼滤波神经网络建立精确的无线信道“指纹”特征动态模型，能正确识别出数据来自哪个已知场景，对无线信道建模具有非常重要的现实意义。
📄 2016101394175
📂 H04W16_22
👤 重庆科技学院
📅 2016-03-11
柿子坊 · 知识产权运营
柿子坊知识产权运营平台