公开(公告)号：CN115551016A

公开(公告)日：2022-12-30

申请号：CN202211168868.3

申请日：2022-09-25

Applicant: 中南林业科技大学

Inventor： 邝祝芳 ,  黎松 ,  赵鹏

IPC: H04W28/08 ,  H04W72/04 ,  G06F30/27 ,  G06N3/08 ,  G06F111/04 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明提供了一种车辆边缘计算网络中依赖任务的卸载方法。主要包括如下步骤：1、生成任务描述集合i∈φ，φ＝(Di,Ci)，构建网络中任务卸载调度，数据量分配的数学模型。2、在给定数据量分配的情况下，基于深度学习DQN算法求解任务卸载调度，求得目标值E。3、基于求得的卸载调度决策,采用粒子群算法求解数据量分配，求得目标值E'。4、比较目标值E和E'的差值，如果E‑E'＜χ，则退出，否则重复步骤2和步骤3。应用本发明，解决了移动车辆边缘网络中依赖任务卸载调度和数据量分配优化问题，有效地降低了网络中依赖任务的执行能耗。

公开(公告)号：CN113132943B

公开(公告)日：2022-04-19

申请号：CN202110415530.2

申请日：2021-04-18

Applicant: 中南林业科技大学

Inventor： 邝祝芳 ,  高坚 ,  黎松

IPC: H04W4/40 ,  H04W16/10

Abstract: 本发明提供了一种车联网中车边协同的任务卸载调度及资源分配方法。主要包括如下步骤：1、生成任务描述集合μ＝{Hi|1≤i≤I},Hi＝(si,ci)，构建网络中任务卸载调度，资源分配的数学模型P1；2、在给定CPU频率的情况下，基于深度学习DQN算法求解问题P1，求得任务卸载调度决策(xi,αi)，求得目标值V；3、基于求得的卸载调度决策(xi,αi)，构建数学模型P2，采用梯度下降法求得CPU频率求得目标值V'；4、比较目标值V和V'的差值，如果V‑V'＜χ，则退出，否则重复步骤2和步骤3；应用本发明，解决了移动车辆边缘网络中任务卸载调度和资源分配优化问题，有效地降低了网络中任务的执行时延和能耗。

公开(公告)号：CN113132943A

公开(公告)日：2021-07-16

申请号：CN202110415530.2

申请日：2021-04-18

Applicant: 中南林业科技大学

Inventor： 邝祝芳 ,  高坚 ,  黎松

IPC: H04W4/40 ,  H04W16/10

Abstract: 本发明提供了一种车联网中车边协同的任务卸载调度及资源分配方法。主要包括如下步骤：1、生成任务描述集合μ＝{Hi|1≤i≤I},Hi＝(si,ci)，构建网络中任务卸载调度，资源分配的数学模型P1；2、在给定CPU频率的情况下，基于深度学习DQN算法求解问题P1，求得任务卸载调度决策(xi,αi)，求得目标值V；3、基于求得的卸载调度决策(xi,αi)，构建数学模型P2，采用梯度下降法求得CPU频率求得目标值V'；4、比较目标值V和V'的差值，如果V‑V'＜χ，则退出，否则重复步骤2和步骤3；应用本发明，解决了移动车辆边缘网络中任务卸载调度和资源分配优化问题，有效地降低了网络中任务的执行时延和能耗。