公开(公告)号：CN117221952A

公开(公告)日：2023-12-12

申请号：CN202311287957.4

申请日：2023-10-08

Applicant: 福州大学

Inventor： 陈哲毅 ,  钟璐英 ,  陈辉 ,  熊兵 ,  黄智钦

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

Abstract: 本发明提出一种边缘环境下面向时延约束的计算卸载方法，设计了一种统一的计算卸载与资源分配模型针对时延约束条件下的MEC系统，并以降低执行任务的时延和功耗的加权和作为优化的目标。在本发明中，创新了一个预处理任务的优先级机制，基于任务的数据大小和设备的性能，对任务进行优先级排序。此外，还提出了一种基于DDPG的计算卸载与资源分配方法，可以很有效地靠近在动态MEC条件下计算卸载和资源分配。在此模型中，actor网络进行计算卸载与资源配置操作，critic网络评估所进行的计算卸载与资源配置操作的得分。大量实验证明所提出的方法能够实现及时的计算卸载和资源分配决策，在最大时延约束下实现了延迟和能耗之间的最佳权衡。

公开(公告)号：CN117202263A

公开(公告)日：2023-12-08

申请号：CN202311286858.4

申请日：2023-10-08

Applicant: 福州大学

Inventor： 陈哲毅 ,  梁杰 ,  郑家瑜

IPC: H04W28/08 ,  H04W28/14 ,  H04W24/02 ,  H04W24/06 ,  H04L67/10

Abstract: 本发明提出一种基于联邦深度学习的多边缘协作缓存方法。首先设计了一种新型的多维缓存空间划分机制，对MEC节点的缓存空间进行感知优化，使得用户在分类区间可获得精准的内容推荐。接着，设计了一种基于VQ‑VAE的内容流行度预测算法，解决了后验坍塌问题并提高了区间用户内容流行度预测的准确性。最后，设计了一种基于联邦深度学习的模型训练与缓存替换策略，通过聚合各MEC节点的本地模型以生成全局共享模型，进而更好适应优化后的不同缓存资源配置，提升多边缘协作缓存的命中率。

公开(公告)号：CN115567978A

公开(公告)日：2023-01-03

申请号：CN202211200913.9

申请日：2022-09-29

Applicant: 福州大学

Inventor： 陈哲毅 ,  黄思进 ,  张俊杰 ,  熊兵

IPC: H04W28/06 ,  H04W28/08

Abstract: 本发明涉及一种多约束边环境下计算卸载与资源分配联合优化系统及方法，针对多约束条件下动态的MEC系统设计了一种统一的计算卸载与资源分配模型，并将执行任务的时延与能耗作为优化目标。设计了一种任务优先级预处理机制，能够根据任务的数据量与移动设备的性能为任务分配优先级，并提供一种基于深度强化学习的计算卸载与资源分配联合优化方法JOR‑RL，在JOA‑RL方法中，critic网络采用基于值函数的单步更新方式，用于评价当前卸载方案与资源调度策略；而actor网络采用基于策略梯度的更新方式，用于输出卸载方案与资源调度策略。本发明在提升任务执行成功率以及降低任务执行时延与能耗方面效果显著。