-
Patent Agency Ranking
公开(公告)号：CN108616503A
公开(公告)日：2018-10-02
申请号：CN201810201476.X
申请日：2018-03-12
Applicant: 北京邮电大学
IPC: H04L29/06 , H04L12/823 , H04L1/16
Abstract: 本发明提供一种基于UDP的数据传输方法及系统，所述方法包括：基于UDP接收客户端发送的数据包，所述数据包中至少包含计算任务；将所述计算任务分解成多个子任务，并将每个子任务发送给不同的计算单元进行计算；接收每个子任务的计算结果，并将每个子任务的计算结果合并成最终结果；将所述最终结果发送给所述客户端。本发明提供的基于UDP的数据传输方法及系统，通过在UDP的基础上制定可靠的应用层协议，实现了数据传输的可靠性和容错性，并且通过上层的分布式计算层实现数据的分布式计算，具有很强的适应性，可以根据网络的情况来调整重传机制的参数，此外，应用层协议和分布式计算层的实现完全独立，大大加强了系统的可扩展性和可移植性。
-
公开(公告)号：CN112564767B
公开(公告)日：2021-09-21
申请号：CN202011370491.0
申请日：2020-11-30
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人机网络中基于自组织优化协作的连续覆盖方法，用于无人机静态辅助基站网络中。本发明方法包括：当静止的无人机基站剩余电量到达阈值时，根据优化的中继信息传输路径回传电量、服务用户位置等信息给宏基站；宏基站派遣新的无人机根据优化的飞行路径飞行到目标位置，替换电量不足的无人机，电量不足的无人机前往基站补充电量；本发明联合优化中继信息传输路径和无人机飞行轨迹，以使得整体系统能耗最小。采用本发明方法，在保证无人机基站持续覆盖要求的同时，大大节省无人机的能耗，使无人机有限电池电量不再成为无人机服务时间的禁锢。
-
公开(公告)号：CN112564767A
公开(公告)日：2021-03-26
申请号：CN202011370491.0
申请日：2020-11-30
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人机网络中基于自组织优化协作的连续覆盖方法，用于无人机静态辅助基站网络中。本发明方法包括：当静止的无人机基站剩余电量到达阈值时，根据优化的中继信息传输路径回传电量、服务用户位置等信息给宏基站；宏基站派遣新的无人机根据优化的飞行路径飞行到目标位置，替换电量不足的无人机，电量不足的无人机前往基站补充电量；本发明联合优化中继信息传输路径和无人机飞行轨迹，以使得整体系统能耗最小。采用本发明方法，在保证无人机基站持续覆盖要求的同时，大大节省无人机的能耗，使无人机有限电池电量不再成为无人机服务时间的禁锢。
-
公开(公告)号：CN109474664B
公开(公告)日：2020-09-25
申请号：CN201811136165.6
申请日：2018-09-28
Applicant: 北京邮电大学
Abstract: 本发明涉及无线网络的资源分配领域，特别是一种异构无线网络中的主动预缓存方法及装置，为了利用可再生能源和节约传统能源，引起了对无线通信中内容预缓存的关注。本发明专注于内容推送和缓存，以提高绿色能源利用率并节省传统能源为目的。移动环境中的状态转换概率和未来奖励是未知的。因此，本发明利用强化学习来解决绿色能源分配和内容推送的问题。Q学习是一种无模型的增强型学习技术，可以在MDP问题中找到最佳的动作选择策略。玻尔兹曼分布方法用于更新策略，当Q表稳定后，本发明可以根据Q表以在每个状态中获得最佳动作。
-
公开(公告)号：CN109474664A
公开(公告)日：2019-03-15
申请号：CN201811136165.6
申请日：2018-09-28
Applicant: 北京邮电大学
Abstract: 本发明涉及无线网络的资源分配领域，特别是一种异构无线网络中的主动预缓存方法及装置，为了利用可再生能源和节约传统能源，引起了对无线通信中内容预缓存的关注。本发明专注于内容推送和缓存，以提高绿色能源利用率并节省传统能源为目的。移动环境中的状态转换概率和未来奖励是未知的。因此，本发明利用强化学习来解决绿色能源分配和内容推送的问题。Q学习是一种无模型的增强型学习技术，可以在MDP问题中找到最佳的动作选择策略。玻尔兹曼分布方法用于更新策略，当Q表稳定后，本发明可以根据Q表以在每个状态中获得最佳动作。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
