-
-
公开(公告)号：CN113516557B
公开(公告)日：2022-09-23
申请号：CN202110795528.2
申请日：2021-07-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种有向无环图结构的区块链及其实现方法，属于区块链技术领域。本发明提出了一种新的DAG区块链组织方法及其实现方法，区块之间通过本节点的自引用作为子区块节点，通过其他节点的它引用作为子侄区块节点从而构成有向无环图结构。本发明中交易支持并行特性，大量的并发交易可以通过各个分布节点并行处理并通过带数字签名的gossip协议验证转发，最终达到共识确认并出块，实现了交易的高并发处理，提高了系统的交易吞吐量。同时，本发明在不依赖算力保证的情况下避免了双花或冲突交易的确认上链，从而保证了安全性。综上所述，本发明可以提供高吞吐、高效共识、高安全和高扩展等特性，能适用于更广阔的区块链技术应用场景。
-
公开(公告)号：CN118842500A
公开(公告)日：2024-10-25
申请号：CN202410777265.6
申请日：2024-06-17
Applicant: 桂林电子科技大学
IPC: H04B7/185 , H04W24/02 , H04W52/02 , H04W52/22 , H04W52/34 , H04W52/46 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N5/01 , G06N20/20 , G06F18/243 , H04W84/06
Abstract: 本发明公开了一种基于数据预测匹配的LEO卫星绿色能量管理策略。首先利用历史数据通过CNN‑LSTM和LSTM‑RF算法预测LEO卫星在轨道周期内的太阳能辐射能量和业务需求能量；其次采用李亚普诺夫理论构建能量规划问题模型，并引入MPC算法辅助在每个时隙重新优化决策，以实现能量供应与业务需求的高效匹配。以利用AEME指标，用于评估不同算法在单位时隙内的能量匹配误差。经仿真实验验证，Lyapunov‑MPC算法对比博弈论算法、贪婪算法和粒子群优化算法的匹配精度分别提高了396.36%、559.81%和626.72%。本发明所提出的匹配决策算法效果具有明显优势，大幅提升了LEO卫星的能量利用效率。
-
公开(公告)号：CN118175648A
公开(公告)日：2024-06-11
申请号：CN202410254798.6
申请日：2024-03-06
Applicant: 桂林电子科技大学
IPC: H04W72/52 , H04W72/542 , H04W72/044 , H04W72/1268 , H04W72/21
Abstract: 本发明公开了一种基于深度强化学习的多智能体负载感知卸载策略，该策略是在“边‑星‑云”三层算力网络架构中，本地边缘层采用电网供电，低轨卫星层采用太阳能供电，远端云层采用水能、风能等多种清洁能源混合供电，其电价取决于能源的种类。UE可以通过邻近的智能基站(Agent Base Station,ABS)将计算任务卸载到算力层。在确保多层算力资源负载均衡的基础上，实现单位时间周期内ABS的平均累计成本最小。仿真结果表明，与其他基准策略相比，本文所提策略的平均累计成本降低约14.08%，负载方差降低约67.14%。
-
公开(公告)号：CN116777492A
公开(公告)日：2023-09-19
申请号：CN202310395506.6
申请日：2023-04-13
Applicant: 桂林电子科技大学
IPC: G06Q30/0201 , G06F30/27 , G06N3/006
Abstract: 本发明公开了一种星地双边缘计算系统基于Stackelberg博弈的资源定价方法，该方法根据用户终端的卸载量调整服务器的资源定价，优化系统中不同运营商的收益和用户的成本，使得服务器运营商的收益最大化同时最小化用户终端的成本；将用户和运营商所属服务器的卸载决策、资源分配和价格建模成一个Stackelberg博弈模型，证明了纳什均衡的存在性，使用逆向归纳法，并利用智能粒子群算法（Particle Swarm Optimization,PSO）求解。仿真结果表明，所提出的定价策略能够使得在保证用户成本最小化的同时边缘云服务器运营商收益最优。
-
Patent Agency Ranking
公开(公告)号：CN111988321B
公开(公告)日：2022-02-11
申请号：CN202010853569.8
申请日：2020-08-24
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于机器学习的联盟链异常检测系统及其检测方法，该检测方法将该检测系统布置到基于PBFT共识算法的联盟链网络中，根据PBFT共识过程中单节点prepare阶段和commit阶段的时间间隔数据，首先确定联盟链网络中是否存在异常节点，若存在异常节点，则进一步确定异常节点，可以快速准确的检测出联盟链网络中是否存在异常节点；采用两次异常检测，确保确定联盟链中异常节点的情况下，减少该异常检测系统的资源占用，第一次异常检测通过单节点的数据检测联盟链网络中是否存在异常节点，第二次的异常检测确定联盟链中异常的节点；该系统在保证检测有效性和可靠性前提下，充分考虑了资源占用的问题，并降低了该检测系统的资源占用。
-
公开(公告)号：CN110647403A
公开(公告)日：2020-01-03
申请号：CN201911049702.8
申请日：2019-10-31
Applicant: 桂林电子科技大学
IPC: G06F9/50
Abstract: 本发明公开一种多用户MEC系统中的云端计算资源分配方法，基于移动用户的任务信息以及移动用户与MEC服务器之间的信道信息，以收益最大化为目标建立误工损失模型，不计入任务等待时间，利用误工损失模型中的函数剔除完成时间大于等于截止期限的任务，对剩余任务进行EDD排序，再利用分支定界法确定执行次序，MEC服务器根据执行次序执行完成时间小于截止期限的任务，并获取最大化收益，本发明以收益最大化为目标，将MEC服务器误工最小化问题建模成以任务执行次序为优化变量的最优化问题，并建立误工损失模型，提出了一种基于分支定界法的排序算法来寻找该问题的最优解，在满足卸载任务的截止期限的同时，尽可能拒绝造成损失较小的任务，以实现收益最大化。
-
公开(公告)号：CN119788153A
公开(公告)日：2025-04-08
申请号：CN202411814050.3
申请日：2024-12-10
Applicant: 桂林电子科技大学
IPC: H04B7/185 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06Q50/06
Abstract: 本发明公开了一种基于数据预测匹配的LEO卫星寿命优化方法。首先，为了衡量LEO卫星寿命的优化效果和地面业务处理的能力，利用指标计算LEO卫星的平均寿命与累计处理业务的能量的乘积，用于衡量不同算法在优化LEO卫星寿命和处理业务能力方面的效果。其次利用卷积神经网络‑长短期记忆网络（CNN‑LSTM）算法预测LEO卫星轨道内的太阳辐射能量。此外，通过STK软件仿真得到LEO卫星的星下轨迹，并根据星下轨迹建立LEO卫星业务需求能看模型，然后利用LSTM‑RF算法预测LEO卫星的业务需求能量。最后，基于李雅普诺夫理论将LEO卫星的能量管理问题从随机优化问题转化为每个时隙的确定优化问题，并利用改进型自适应模型预测控制（AMPC）算法进行求解，获取LEO卫星各个时隙的能量管理决策。仿真实验结果表明，本发明相对于MPC算法、Game Theory算法和Greedy Algorithm算法的效果分别提升了10.79%、25.22%和58.16%，能够显著提升LEO卫星的寿命和业务处理能力，显著降低其运营成本。
-
公开(公告)号：CN119693816A
公开(公告)日：2025-03-25
申请号：CN202411865499.2
申请日：2024-12-18
Applicant: 桂林电子科技大学
Abstract: 本发明针对低轨道卫星（Low Earth Orbit,LEO）面临的计算资源有限和能量受限的挑战，提出了一种基于马尔可夫决策过程‑深度Q网络（Markov Decision Process‑Deep Q Network,MDP‑DQN）的轻量级自适应图像推理策略。引入推理精度‑能量效率（Accuracy‑Energy Efficiency,AEE）指标，用于评估图像推理性能。仿真结果表明，与马尔可夫决策过程‑Q学习（Markov Decision Process‑Q Learning,MDP‑QL）相比，该策略的AEE提升了6.09%，与马尔可夫决策过程‑策略梯度（Markov Decision Process‑Policy Gradient,MDP‑PG）相比，AEE提升了12.2%。
-
公开(公告)号：CN119692479A
公开(公告)日：2025-03-25
申请号：CN202411874354.9
申请日：2024-12-18
Applicant: 桂林电子科技大学
Abstract: 针对低轨道卫星（Low Earth Orbit,LEO）计算受限、能量受限且供应不稳定、以及任务需求多变的特点，本发明提出了一种LEO多模型参数动态推理策略，以优化推理效率并提高系统的任务响应能力。该策略基于马尔可夫决策过程（Markov Decision Process,MDP），结合深度强化学习（Deep Q Network,DQN），实现了对卫星推理模型参数的动态适配。通过引入多模型切换与参数调节机制，本文在推理精度、计算能耗和响应时延之间达成了有效平衡。在仿真实验中，提出的策略相比传统固定模式提升了用户满意度（Quality of Experience,QoE）约25.2%，相比随机模式提升QoE约63.9%，推理精度达到76.5%，同时计算能耗和响应时延分别维持在2.3 J和2.1 ms。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
