一种基于强化学习的车联网边缘节点动态调整方法

    公开(公告)号:CN118714533A

    公开(公告)日:2024-09-27

    申请号:CN202410860567.X

    申请日:2024-06-28

    Abstract: 本发明涉及车联网技术领域,公开了一种基于强化学习的车联网边缘节点动态调整方法,包括以下步骤:建立车辆边缘计算网络;分析车辆边缘计算网络的可靠性,建立车辆边缘计算网络的可靠性模型;对车辆边缘计算网络的能耗进行分析,建立车辆边缘计算网络的能耗模型;构建车辆边缘计算网络的约束条件,获取以最大化可靠性与最小化能耗为目标的双目标优化函数;采用多目标决策分析法将双目标转化为单目标,得到以最大化部署效果为目标的单目标优化函数并将其建模为马尔可夫决策过程,采用异步优势演员评论家方法进行多线程求解,得到车辆边缘节点的部署方案;该方法提高了车辆边缘计算网络的可靠性并缩短时延,同时能够实现高可靠性低能耗的目标优化。

    一种信息工程光纤电缆传送装置
    2.
    发明公开

    公开(公告)号:CN118047262A

    公开(公告)日:2024-05-17

    申请号:CN202410309988.3

    申请日:2024-03-19

    Abstract: 本发明公开了一种信息工程光纤电缆传送装置,具体涉及光纤电缆技术领域,包括:底座,所述底座的顶部四端均固定有支柱,四个所述支柱的顶端之间连接有顶板,所述顶板的顶部中间转动连接有第一连接轴。本发明通过设置第一引导板、导向辊和第二引导板等结构,可对光纤电缆进行引导传动,且通过设置支撑板、第二连接轴和第一驱动机构等结构,通过转动第一驱动机构上的第一固定柄,可使第二引导板通过引导轮带动光纤电缆的一端转动,通过调节第一引导板、引导轮和第二引导板之间的角度,进而可调整光纤电缆的传送角度,以适应不同角度的墙角和拐角结构传送使用,操作简单便捷,大大提高了装置的适用性。

    任务卸载方法、电子设备及存储介质

    公开(公告)号:CN117580101A

    公开(公告)日:2024-02-20

    申请号:CN202311310881.2

    申请日:2023-10-11

    Abstract: 本申请提供一种任务卸载方法、电子设备及存储介质,所述方法,通过根据任务信息、第一通信信息、第二通信信息、第一服务性能和第二服务性能,构建待卸载任务的任务卸载优化模型;对任务卸载优化模型进行求解,以获取待卸载任务的卸载方案,根据卸载方案,将待卸载任务卸载至其他终端设备或边缘计算设备;通过将目标终端设备的待卸载任务根据卸载方案卸载至其他终端设备或边缘计算设备,减少目标终端设备的计算量,同时考虑任务传输量,以最小的任务传输成本构建任务卸载优化模型,求解任务卸载优化模型,即可得到最小传输任务量的卸载方案,从而实现以最小传输成本将待卸载任务进行卸载,同时实现了任务卸载的个性化需求的同时,最小化传输成本。

    一种基于强化学习的车联网边缘节点动态调整方法

    公开(公告)号:CN118714533B

    公开(公告)日:2024-12-10

    申请号:CN202410860567.X

    申请日:2024-06-28

    Abstract: 本发明涉及车联网技术领域,公开了一种基于强化学习的车联网边缘节点动态调整方法,包括以下步骤:建立车辆边缘计算网络;分析车辆边缘计算网络的可靠性,建立车辆边缘计算网络的可靠性模型;对车辆边缘计算网络的能耗进行分析,建立车辆边缘计算网络的能耗模型;构建车辆边缘计算网络的约束条件,获取以最大化可靠性与最小化能耗为目标的双目标优化函数;采用多目标决策分析法将双目标转化为单目标,得到以最大化部署效果为目标的单目标优化函数并将其建模为马尔可夫决策过程,采用异步优势演员评论家方法进行多线程求解,得到车辆边缘节点的部署方案;该方法提高了车辆边缘计算网络的可靠性并缩短时延,同时能够实现高可靠性低能耗的目标优化。

    面向车联网边缘场景中基于深度强化学习的可靠卸载方法

    公开(公告)号:CN118075263B

    公开(公告)日:2024-10-25

    申请号:CN202410180549.7

    申请日:2024-02-18

    Abstract: 本发明提供了一种面向车联网边缘场景中基于深度强化学习的可靠卸载方法。该方法包括:车辆给接入路侧单元发送卸载任务请求,该卸载任务请求中携带任务数据,该任务数据包括输入数据、计算量、时延限制和任务重要性;接入路侧单元接收卸载任务请求后,向云层请求卸载方案,云层生成卸载方案后,将卸载方案发送给接入路侧单元;接入路侧单元根据卸载方案将任务数据传递给目标路侧单元;目标路侧单元对任务数据进行计算,将计算结果传输给接入路侧单元,接入路侧单元将计算结果回传给所述车辆。本发明方法将传输成功概率、计算成功概率、任务重要性和所需时延等因素纳入可靠性评估机制,实现任务多样化资源多样化的车联网边缘场景中的卸载决策。

    面向车联网边缘场景中基于深度强化学习的可靠卸载方法

    公开(公告)号:CN118075263A

    公开(公告)日:2024-05-24

    申请号:CN202410180549.7

    申请日:2024-02-18

    Abstract: 本发明提供了一种面向车联网边缘场景中基于深度强化学习的可靠卸载方法。该方法包括:车辆给接入路侧单元发送卸载任务请求,该卸载任务请求中携带任务数据,该任务数据包括输入数据、计算量、时延限制和任务重要性;接入路侧单元接收卸载任务请求后,向云层请求卸载方案,云层生成卸载方案后,将卸载方案发送给接入路侧单元;接入路侧单元根据卸载方案将任务数据传递给目标路侧单元;目标路侧单元对任务数据进行计算,将计算结果传输给接入路侧单元,接入路侧单元将计算结果回传给所述车辆。本发明方法将传输成功概率、计算成功概率、任务重要性和所需时延等因素纳入可靠性评估机制,实现任务多样化资源多样化的车联网边缘场景中的卸载决策。

Patent Agency Ranking