公开(公告)号：CN117835327A

公开(公告)日：2024-04-05

申请号：CN202410002268.2

申请日：2024-01-02

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄一帆 ,  曾旺

IPC: H04W28/084 ,  G06N3/092 ,  G06N7/01 ,  H04W72/53

Abstract: 本发明提供一种移动边缘计算中基于Actor‑Critic深度强化学习的任务调度方法，首先对所提出的移动边缘计算中的任务调度问题进行形式化定义。其次提出一种结合深度强化学习和掩码机制的任务调度方法。最后实现了所提出的系统环境和调度方法，并进行了大量的实验对方法的有效性进行证明。实验结果显示，本发明方法能应对面对动态多变的MEC环境，逼近最优的任务调度策略，有效地提高服务质量。

公开(公告)号：CN119767359A

公开(公告)日：2025-04-04

申请号：CN202411932441.5

申请日：2024-12-26

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄一帆 ,  张俊杰 ,  赖轩

IPC: H04W28/084 ,  H04W28/082 ,  H04W28/08 ,  H04W28/24 ,  H04L67/1095 ,  H04L67/12 ,  H04L67/2885

Abstract: 本发明提供了一种分层多边缘协作无服务计算系统，包括SMEC节点，所述SMEC节点配有异构的边缘服务器，为终端设备提供服务；SMEC节点包含本地边缘节点和数据汇聚节点；本地边缘节点通过蜂窝网络与终端设备连接，并作为其无线接入点，数据汇聚节点接收来自下层节点的无服务请求，并进行处理或转发；SMEC节点之间通过有线网络连接；函数镜像文件保存执行无服务计算任务所需的代码和库文件，通过存储镜像文件将无服务计算服务部署在SMEC节点上，进而根据镜像文件启动具体的函数实例以提供无服务计算服务。应用本技术方案能够根据环境状态，生成合适的任务调度和镜像放置方案，以最大化系统性能。

公开(公告)号：CN115509752A

公开(公告)日：2022-12-23

申请号：CN202211200915.8

申请日：2022-09-29

Applicant: 福州大学

Inventor： 陈哲毅 ,  梁杰 ,  黄一帆 ,  陈礼贤

IPC: G06F9/50 ,  G06F17/18 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明涉及一种基于深度回归循环神经网络的边缘预测方法，包括以下步骤：步骤S1:获取历史边缘负载数据，构建数据集；步骤S2:对数据集进行预处理；步骤S3:将边缘服务器的用户作为协变量；步骤S4:将预处理后的数据集和协变量输入预测模型对未来的边缘负载进行预测；步骤S5:基于边缘负载预测结果，协助边缘计算服务制定资源调度方案。本发明实现了可扩展和有效的工作负载预测，有效提高了云计算中的资源调配效率。