-
公开(公告)号：CN110392377A
公开(公告)日：2019-10-29
申请号：CN201910657277.4
申请日：2019-07-19
Applicant: 北京信息科技大学
Abstract: 本发明实施例提供了一种5G超密集组网资源分配方法及装置，方法包括：针对每个时刻的5G超密集组网系统状态，基于贪婪策略进行决策，计算每个状态对应的即时奖励；将所述每个状态对应的即时奖励输入深度神经网络中，拟合得到近似长期价值；将所述近似长期价值和实际长期价值对比，以更新长期价值函数；当所述长期价值函数收敛时，得到每个时刻的资源分配方案，并按照所述每个时刻的资源分配方案进行资源分配。本发明实施例提供的一种5G超密集组网资源分配方法及装置，基于深度强化学习来解决随机优化问题，从而使得资源的分配能够适应用户到达和离开的随机性，并且同时降低了求解复杂性。
-
公开(公告)号：CN113747507A
公开(公告)日：2021-12-03
申请号：CN202110937706.0
申请日：2021-08-16
Applicant: 北京信息科技大学
Abstract: 本申请提供一种面向5G超密集网络的计算资源管理方法及装置，方法包括：获取当前时隙的系统状态；系统状态包括所有用户设备的计算任务数据量和当前边缘服务器剩余计算资源总量；将系统状态输入至深度强化学习模型中，得到系统动作；系统动作包括用户设备的卸载决策和边缘服务器协作的计算资源分配策略；卸载决策用于确定用户卸载到边缘服务器的任务数据量大小，边缘服务器协作的计算资源分配策略表示边缘服务器根据系统当前时隙所剩余的计算资源总量，为其服务的用户设备分配的计算资源。有效解决了在多服务器密集部署的超密集网络环境下的资源管理问题，最小化任务处理时延，进一步提高了用户的体验质量。
-
公开(公告)号：CN113747507B
公开(公告)日：2024-01-09
申请号：CN202110937706.0
申请日：2021-08-16
Applicant: 北京信息科技大学
Abstract: 本申请提供一种面向5G超密集网络的计算资源管理方法及装置，方法包括：获取当前时隙的系统状态；系统状态包括所有用户设备的计算任务数据量和当前边缘服务器剩余计算资源总量；将系统状态输入至深度强化学习模型中，得到系统动作；系统动作包括用户设备的卸载决策和边缘服务器协作的计算资源分配策略；卸载决策用于确定用户卸载到边缘服务器的任务数据量大小，边缘服务器协作的计算资源分配策略表示边缘服务器根据系统当前时隙所剩余的计算资源总量，为其服务的用户设备分配的计算资源。有效解决了在多服务器密集部署的超密集网络环境下的资源管理问题，最小化任务处理时延，进一步提高了用户的体验质量。
-
公开(公告)号：CN110392377B
公开(公告)日：2022-07-12
申请号：CN201910657277.4
申请日：2019-07-19
Applicant: 北京信息科技大学
Abstract: 本发明实施例提供了一种5G超密集组网资源分配方法及装置，方法包括：针对每个时刻的5G超密集组网系统状态，基于贪婪策略进行决策，计算每个状态对应的即时奖励；将所述每个状态对应的即时奖励输入深度神经网络中，拟合得到近似长期价值；将所述近似长期价值和实际长期价值对比，以更新长期价值函数；当所述长期价值函数收敛时，得到每个时刻的资源分配方案，并按照所述每个时刻的资源分配方案进行资源分配。本发明实施例提供的一种5G超密集组网资源分配方法及装置，基于深度强化学习来解决随机优化问题，从而使得资源的分配能够适应用户到达和离开的随机性，并且同时降低了求解复杂性。
-
-
-
Search Results
4
records
(took 0.023 seconds)
