专利交易市场

本发明公开了一种基于布谷鸟搜索算法的移动用户频谱分配方法，针对频谱功率分配中网络吞吐量低的问题，首先建立基于干扰距离的认知，将频谱功率分配问题转换为函数优化问题；将最大化的网络吞吐量转化为求最大化可用时长内完成的总数据量，建立目标函数，并将频谱分配变量映射为布谷鸟鸟巢的位置，采用布谷鸟搜索算法求解，最终获得网络吞吐量高于遗传算法的频谱分配，能够得到得较高的次用户有效信道容量。

本发明公开了一种基于深度强化学习的超密集车联网自适应资源分配方法，该方法包括：建立超密集车联网的通信模型，所述通信模型中包括基站、发送车辆和接收车辆，基站通过V2I链路与车辆交换数据，车辆之间通过V2V链路通信；根据通信模型中车辆之间的干扰关系，确定以接收车辆为中心的加权干扰模型；根据通信模型和加权干扰模型，建立通信模型的资源分配模型，所述资源分配模型为在一定约束条件下以资源重用率最大且所分配的资源不冲突为目标的优化问题；将所述优化问题转化为马尔可夫决策过程问题；利用FedAvg‑AC算法进行求解，得到超密集车联网的资源分配策略。本发明有益效果提高了资源分配的效率。

本发明涉及智能信息物理交通系统技术领域，具体公开了一种基于超图的智能信息物理交通系统资源管理方法及系统，为了避免ICTS以客户为中心的通信中出现密集分布的重叠干扰，分析了客户之间的干扰关系，并对干扰类型进行了分类，并基于客户之间的干扰关系，提出了一种形成超边的方法并建立了超图干扰模型，将问题表示为超图顶点强着色问题，并分析了超图着色的冲突，设计了一种计算冲突的方法，并提出了一种基于强化学习的深度Q网络算法来实现IARA。为了提高网络容量，提出了一种提高ICTS以客户为中心的通信网络容量的优化方法。仿真结果表明，与对比算法相比，该方法及系统平均可以提高25％的资源复用率，有效提高ICTS中以客户为中心的通信网络容量。

本发明涉及物联网技术领域，具体公开了一种基于分裂鲁棒学习的消费电子资源分配方法，该方法包括步骤：构建智慧城市物联网的通信模型；构建通信模型的干扰超图模型；基于干扰超图模型构建资源分配优化问题；基于分裂鲁棒学习对资源分配优化问题进行求解。本发明针对数据共享通信的智慧城市场景中CE之间的干扰问题，基于超图理论建立了干扰超图模型，将重叠区域的干扰规避问题转化为图的顶点着色问题；针对数据共享通信场景中多个时延敏感业务的时延保证问题，建立了鲁棒优化模型，以最大限度地提高网络吞吐量，同时确保延迟要求与不完美的CSI；针对鲁棒优化模型难以求解的问题，提出了一种基于分裂的鲁棒学习算法，实现了网络吞吐量的最大化。