公开(公告)号：CN118939400A

公开(公告)日：2024-11-12

申请号：CN202411005631.2

申请日：2024-07-25

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄思进 ,  陈英杰 ,  吴舒霞

IPC: G06F9/48 ,  G06N3/092 ,  G06N3/0499

Abstract: 本发明提出基于深度强化学习的边缘服务迁移方法，所述方法针对动态多变的边缘系统环境使用统一的服务迁移模型，将长期QoS作为优化目标，并使用迁移、通信和计算方面的延迟进行度量，同时基于深度强化学习DRL框架定义MEC环境下服务迁移问题的状态空间、动作空间和奖励函数，并将上述问题形式化表示为马尔科夫决策过程MDP，同时在基于深度强化学习的边缘服务迁移方法DPSM中采用深度确定性策略梯度训练深度神经网络，以在复杂动态的边缘环境中获取最优迁移策略；本发明用于探索边缘环境下的最优服务迁移策略，该方法通过直接输出迁移决策，以应对庞大的动作空间，并在各种场景下均展现出更加优越的性能。

公开(公告)号：CN118784599A

公开(公告)日：2024-10-15

申请号：CN202410551822.2

申请日：2024-05-07

Applicant: 福州大学

Inventor： 陈哲毅 ,  张俊杰 ,  许浩然 ,  吴舒霞 ,  施晓薇

IPC: H04L47/83 ,  H04L47/70 ,  H04L47/76 ,  H04L67/1021 ,  H04L67/51 ,  H04B7/185

Abstract: 本发明提供一种面向自适应切片使能空天地一体化网络的流量感知轻量化分层卸载框架，将SAGIN分为CAP和COP，并使用网络切片管理每个平台上的资源；ESP在进行资源分配的同时提供计算卸载服务；对于切片资源分配，利用稀疏概率自注意力捕获动态流量变化，根据预测的流量和系统负载执行自适应网络切片；对于计算卸载，将通信过程和计算过程分离，根据信道状况按需分配子信道，再通过轻量化计算卸载算法将虚拟机分配给任务，收敛后的策略被提炼为轻量化神经网络，用于在线推理。

公开(公告)号：CN119300092A

公开(公告)日：2025-01-10

申请号：CN202411403083.9

申请日：2024-10-09

Applicant: 福州大学

Inventor： 陈哲毅 ,  郑家瑜 ,  张俊杰 ,  吴舒霞 ,  麦著学

IPC: H04W28/084 ,  H04W28/08 ,  H04W28/14 ,  G06N3/092

Abstract: 本发明提出数字孪生云边网络下服务缓存与计算卸载优化方法，包括虚拟的数字孪生云边网络模型DTCEN，还包括基于凸优化使能深度强化学习的服务缓存与计算卸载联合优化方法JCO‑CR，DTCEN包含一个系统控制器SyC、一个云计算中心CC、I个基站BSs和J台用户设备UDs；BS集合记为#imgabs0#，UD集合记为#imgabs1#；每个BS配备一台用于提供存储和计算资源的MEC服务器，其中#imgabs2#的存储和计算资源分别记为#imgabs3#和#imgabs4#；UDs随机分布在各BS的通信覆盖范围内并将与其最近邻的BS作为本地BS；#imgabs5#通信覆盖范围内的UDs数量记为#imgabs6#，其中#imgabs7#；服务类型共有K种，记为#imgabs8#；SyC负责收集系统状态信息并传输给DRL智能体，由DRL智能体做出服务缓存与计算卸载决策；本发明能够有效降低服务延迟，能在不同场景下均展现出更加优越的性能。

公开(公告)号：CN119562311A

公开(公告)日：2025-03-04

申请号：CN202411755265.2

申请日：2024-12-03

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄思进 ,  张俊杰 ,  吴舒霞

IPC: H04W28/08 ,  H04W4/40 ,  G06N3/092

Abstract: 本发明提出多边缘蜂窝车联网的收益感知服务迁移与资源分配方法，包括服务迁移子问题方法及资源分配子问题方法；在服务迁移子问题方法中，采用面向复杂动态多边缘密集蜂窝车联网环境的服务迁移与资源分配统一模型，采用基于概率稀疏自注意力的车辆轨迹预测方法来提升预测精度并为服务迁移决策提供依据，使用基于改进多智能体强化学习MARL的服务迁移方法来根据轨迹预测探索最优迁移策略，引入异步更新机制来降低actor网络估计策略梯度时的高方差，在资源分配的子问题方法中，使用基于隐枚举的资源分配方法，以在保证解质量的同时减小搜索空间；本发明能够有效提升ESP的长期收益，并在不同场景下均展现出更加优越的性能。

公开(公告)号：CN119902856A

公开(公告)日：2025-04-29

申请号：CN202411990998.4

申请日：2024-12-31

Applicant: 福州大学

Inventor： 陈哲毅 ,  文佳 ,  池梦莉 ,  吴舒霞 ,  张俊杰

IPC: G06F9/455 ,  G06F9/50 ,  G06F16/16 ,  G06F16/182 ,  G06F16/188 ,  G06N3/126

Abstract: 本发明提出基于多目标优化的大规模Hadoop集群虚拟机放置方法，Hadoop集群的系统模型包含多个机架，每个机架内配置多个物理机PMs，每个物理机上运行着多个虚拟机VMs；Hadoop集群通过交换机进行数据块传输与文件副本复制，从而实现跨机架的数据同步与负载均衡；Hadoop集群的系统模型的优化目标为最小化Hadoop集群的能耗、资源浪费和文件访问延迟的加权之和，优化目标采用的方法使用由虚拟机染色体和块染色体组成的可变长度的染色体结构，该染色体结构用于表述放置虚拟机和数据块副本的位置，染色体结构使用交叉与变异操作，以增强虚拟机放置过程资源配置的解空间探索的多样性；本发明充分考虑Hadoop集群运行过程资源需求的动态变化，能确保Hadoop集群在高负载情况下保持良好性能。