-
公开(公告)号：CN116437478A
公开(公告)日：2023-07-14
申请号：CN202310416825.0
申请日：2023-04-18
Applicant: 三峡大学
Abstract: 本发明公开了一种车载网络计算卸载，资源分配和合同设计方法，该方法不仅利用时变的VEC网络系统中实际的计算卸载，资源分配和个体自私的特性，同时也考虑了任务的时延阈值与系统有限的资源容量约束，联合优化了任务执行中的卸载决策和计算资源的分配，并从成本的角度将相应问题建模为一个混合整数非线性规划函数，旨在最小化ESP的总成本。同时为了解决这一约束性优化问题，引入了值迭代和策略迭代深度强化学习方法，通过定义状态空间、动作空间和奖励函数，并使用马尔可夫决策过程，得到了计算卸载和资源分配的联合最优策略。
-
公开(公告)号：CN111428774B
公开(公告)日：2022-02-11
申请号：CN202010197726.4
申请日：2020-03-19
Applicant: 三峡大学
Abstract: 本发明实施例提供一种移动社交网络中发现社团的方法及装置，其中方法包括获取移动社交网络中单位时间内的两两节点之间的分离时间，根据所述两两节点之间的分离时间确定移动社交网络中的社团。本发明利用分离时间，而不是接触间隔时间、接触持续时间，能够更加准确地描述节点间的亲密关系，进而确定出移动社交网络中的社团，通过大量的真实数据集的仿真实验，本发明的在移动社交网络中发现社团的方法能够准确反映出社团的演化规律，与人类日常的行为规律一致。
-
公开(公告)号：CN113115367A
公开(公告)日：2021-07-13
申请号：CN202110309057.X
申请日：2021-03-23
Applicant: 三峡大学
Abstract: 本发明实施例提供一种基于贪婪助手选择算法的数据卸载激励方法及装置。方法包括：构建反向拍卖模型，所述反向拍卖模型的目标是最小化内容服务提供商的数据传输成本，所述反向拍卖模型的约束条件是所述内容服务提供商从基站覆盖范围内的多个节点中选择助手后，所述基站的数据传输量不高于未选择助手时的数据传输量，且助手的期望报酬单价不高于所述内容服务提供商的单位数据传输成本；基于贪婪助手选择算法对所述反向拍卖模型进行求解，使所述内容服务提供商从所述多个节点中选择助手以进行数据卸载。本发明实施例提供的方法及装置，能够激励蜂窝网络中的节点参与数据卸载过程，缓解蜂窝网络中移动通信流量压力。
-
公开(公告)号：CN111405568A
公开(公告)日：2020-07-10
申请号：CN202010196829.9
申请日：2020-03-19
Applicant: 三峡大学
Abstract: 本发明实施例提供一种基于Q学习的动态计算卸载和资源分配方法及装置，所述方法包括：基于UE的计算任务参数、UE的性能参数、UE与AP之间的信道参数和移动边缘计算MEC服务器的总计算资源，构建优化问题模型；基于Q学习确定优化问题模型的最优解，最优解包括UE的卸载决策，MEC服务器给UE所分配的计算资源的百分比数，AP给UE所分配的频谱资源的百分比数。本发明实施例提供的基于Q学习的计算卸载和资源分配方法及装置，同时考虑到时变的MEC系统中实际的计算卸载和资源分配特性，任务的时延阈值与系统有限的资源容量约束，基于Q学习确定计算卸载和资源分配的联合最优方案，进一步降低了UE的能耗。
-
公开(公告)号：CN110972227A
公开(公告)日：2020-04-07
申请号：CN201911136083.6
申请日：2019-11-19
Applicant: 三峡大学
Abstract: 通过机会移动网络卸载蜂窝流量的种子节点选择方法，通过蜂窝网络传递到移动网络中某些选定的初始种子，然后通过使用机会通信方式免费的传播，移动网络中所有的节点都能够访问蜂窝网络；在考虑直接通过蜂窝网络传输的成本和所传播内容的新鲜度的基础上，找到最佳数量的初始种子，以最大程度地提高总体内容效用值；定义内容效用值增益，计算通过蜂窝网络传递内容的最优副本数量k；基于种子选择方法，来找到初始种子的最佳数量，使网络中节点的总体内容效用值最大化。本发明方法考虑内容的新鲜度和从蜂窝网络到初始种子的传输成本，为了解决效用优化问题，提出了两种种子选择方法来找到初始种子的最佳数量，使网络中节点的总体内容效用值最大化。
-
Patent Agency Ranking
公开(公告)号：CN114358255B
公开(公告)日：2024-07-12
申请号：CN202210018356.2
申请日：2022-01-07
Applicant: 三峡大学
IPC: G06N3/0464 , G06N3/006 , G06N5/04
Abstract: 本发明公开了一种基于融合层的DNN模型并行化和部分计算卸载方法，属于数据处理领域，包括：S1：使用FL技术对DNN模型进行划分，得到具有计算相关性的计算层；S2：使用部分计算卸载的方式对FL技术划分后的DNN模型进行并行化推理，得到DNN推理时间；S3：使用最小等待算法确定路径调度策略和FL路径数；S4：将粒子群优化算法与最小等待算法相结合，确定FL路径长度、截取融合层大小和路径卸载策略，得到的最小DNN推理时间为最优解。本发明通过Particle Swarm Optimization With Minimizing Waiting算法动态更新FL路径长度、截取融合层大小和路径卸载策略，以探索最优解并避免陷入到局部极小值。
-
公开(公告)号：CN117633645A
公开(公告)日：2024-03-01
申请号：CN202311328057.X
申请日：2023-10-13
Applicant: 三峡大学
IPC: G06F18/2413 , G01N27/00 , G06K17/00 , G06N20/00
Abstract: 一种基于RFID无源感知和机器学习的液体材质识别方法，步骤1：将RFID阅读器的定向天线平放在地面或者桌面上，天线的顶部放置一个塑料烧杯，烧杯口的中心处用透明胶带固定一个RFID标签，向塑料烧杯中倒入等量的不同液体；步骤2：分别测量每种液体倒入塑料烧杯前后RFID信号的Phase和RSS读数，计算出各种液体所对应的Phase和RSS变化量，根据Phase和RSS的变化量提取出各种液体的特征值；步骤3：利用WKNN算法对有标签的液体特征值数据进行监督式机器学习。本发明的目的是为了解决现有的RFID无源感知技术存在的干扰严重、感知精度不高的技术问题，而提供的一种基于RFID无源感知和机器学习的液体材质识别方法。
-
公开(公告)号：CN113115362B
公开(公告)日：2023-04-07
申请号：CN202110411328.2
申请日：2021-04-16
Applicant: 三峡大学
Abstract: 本发明实施例提供一种协同边缘缓存方法及装置，首先获取边缘缓存系统的覆盖范围内各用户终端在对应的边缘设备触发的内容请求；然后以边缘缓存系统的系统能耗最小为优化目标，以边缘缓存系统中请求处理主体唯一、边缘缓存系统中各边缘设备的缓存容量限制以及用户终端允许的请求延迟限制为约束条件，基于内容请求，采用强化学习算法确定内容请求对应的最优协同边缘缓存策略；最后基于最优协同边缘缓存策略，对内容请求对应的内容进行处理。可以确定出最优协同边缘缓存策略，使得边缘缓存系统的系统能耗降至最低，减少了边缘缓存系统的应用成本，提高了MBS下所有协同SBS的缓存利用率，减少回程流量的负载。
-
公开(公告)号：CN111405568B
公开(公告)日：2023-01-17
申请号：CN202010196829.9
申请日：2020-03-19
Applicant: 三峡大学
Abstract: 本发明实施例提供一种基于Q学习的动态计算卸载和资源分配方法及装置，所述方法包括：基于UE的计算任务参数、UE的性能参数、UE与AP之间的信道参数和移动边缘计算MEC服务器的总计算资源，构建优化问题模型；基于Q学习确定优化问题模型的最优解，最优解包括UE的卸载决策，MEC服务器给UE所分配的计算资源的百分比数，AP给UE所分配的频谱资源的百分比数。本发明实施例提供的基于Q学习的计算卸载和资源分配方法及装置，同时考虑到时变的MEC系统中实际的计算卸载和资源分配特性，任务的时延阈值与系统有限的资源容量约束，基于Q学习确定计算卸载和资源分配的联合最优方案，进一步降低了UE的能耗。
-
公开(公告)号：CN113115367B
公开(公告)日：2022-09-02
申请号：CN202110309057.X
申请日：2021-03-23
Applicant: 三峡大学
Abstract: 本发明实施例提供一种基于贪婪助手选择算法的数据卸载激励方法及装置。方法包括：构建反向拍卖模型，所述反向拍卖模型的目标是最小化内容服务提供商的数据传输成本，所述反向拍卖模型的约束条件是所述内容服务提供商从基站覆盖范围内的多个节点中选择助手后，所述基站的数据传输量不高于未选择助手时的数据传输量，且助手的期望报酬单价不高于所述内容服务提供商的单位数据传输成本；基于贪婪助手选择算法对所述反向拍卖模型进行求解，使所述内容服务提供商从所述多个节点中选择助手以进行数据卸载。本发明实施例提供的方法及装置，能够激励蜂窝网络中的节点参与数据卸载过程，缓解蜂窝网络中移动通信流量压力。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.026 seconds)
