公开(公告)号：CN119865435A

公开(公告)日：2025-04-22

申请号：CN202510039223.7

申请日：2025-01-10

Applicant: 福州大学

Inventor： 陈哲毅 ,  江庆南 ,  陈礼贤 ,  张俊杰 ,  赖轩

IPC: H04L41/147 ,  H04L41/16 ,  H04L67/12

Abstract: 本发明提供了基于个性化联邦深度学习的多边缘协作负载预测方法，包括以下步骤：步骤1：参数服务器选择客户端参加本轮次的联邦聚合，并发送工作请求给客户端；步骤2：被选中的客户端根据当前边缘服务器的状态决定是否参加本轮联邦聚合，并返回接受/拒绝回复给参数服务器；步骤3：参数服务器分发全局模型#imgabs0#和全局控制参数#imgabs1#至参与联邦聚合的客户端；步骤4：客户端对其边缘服务器上的历史负载数据进行预处理，包括数据清洗、重采样、归一化和去噪；本技术方案整合多边缘协作与个性化联邦深度学习，通过解决负载数据高噪声、高可变、数据量不足、模型泛化能力差等关键问题，自适应地实现了对边缘负载的高效精确预测。

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：CN117202264A

公开(公告)日：2023-12-08

申请号：CN202311286846.1

申请日：2023-10-08

Applicant: 福州大学

Inventor： 陈哲毅 ,  张俊杰 ,  王鹏飞 ,  薛龙祥 ,  郑家瑜

IPC: H04W28/084 ,  H04W28/24 ,  H04L67/10

Abstract: 近年来，随着5G通讯技术的蓬勃发展，涌现出了各类新兴的智能应用（如面部识别、AR/VR、自动驾驶等）。这些智能应用展现出了计算密集与延迟敏感等特性，而移动设备有限的计算能力却限制了其进一步的发展与普及。为了缓解这一问题，本发明提出一种MEC环境中面向5G网络切片的计算卸载方法。首先对所提出的面向5G网络切片的计算卸载问题进行形式化定义。其次提出提出一种结合用户数量预测和资源分配的计算卸载方法。最后实现了所提出的系统环境和卸载方法，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，本发明方法能应对动态的MEC用户数量变化，逼近最优的计算卸载与资源分配策略，有效地提高服务提供商的收入。