-
公开(公告)号:CN116600316A
公开(公告)日:2023-08-15
申请号:CN202310512150.X
申请日:2023-05-08
Applicant: 南京航空航天大学
IPC: H04W24/02 , H04W28/08 , H04W28/084 , H04W52/24 , H04W52/26 , H04W52/36 , H04W72/53 , H04W72/044 , G06N3/092 , G06N3/098 , G06N3/084
Abstract: 本发明公开了一种针对灾害应急场景的基于横向联邦学习和深度双Q网络的资源分配方法,该方法面向应急场景,构建无人机辅助的空地一体化网络,采用功能分簇的思想将无人机进行聚类,综合考虑计算卸载和感知信息传输两类任务,构造多目标优化问题,利用深度双Q网络模型获得最优的信道分配和发射功率联合优化策略,引入联邦学习,在保护用户数据安全的前提下,实现全局聚合,并且引入优先经验回放机制,加快网络训练的收敛速度,提升性能。本发明使用的HFL‑DDQN算法可以在满足时延和功率等约束下,最小化系统的时间和能量成本,有效解决应急场景中车辆用户和感知节点的信道分配和功率选择的联合优化问题。
-
公开(公告)号:CN113543074B
公开(公告)日:2023-04-18
申请号:CN202110659780.0
申请日:2021-06-15
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于车路云协同的联合计算迁移和资源分配方法,移动边缘设备部署在路侧,利用深度强化学习优化策略获得最优的车用户无线接入方式、信道分配和发射功率联合优化策略,车用户通过选择合适的无线接入方式、发射功率和信道,在满足计算迁移链路服务质量要求下,最小化系统时延。本发明使用深度确定性策略梯度算法可以有效解决车选择无线接入方式、用户信道分配和功率选择的联合优化问题,可以在一系列连续动作空间的优化中表现稳定。
-
公开(公告)号:CN113543074A
公开(公告)日:2021-10-22
申请号:CN202110659780.0
申请日:2021-06-15
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于车路云协同的联合计算迁移和资源分配方法,移动边缘设备部署在路侧,利用深度强化学习优化策略获得最优的车用户无线接入方式、信道分配和发射功率联合优化策略,车用户通过选择合适的无线接入方式、发射功率和信道,在满足计算迁移链路服务质量要求下,最小化系统时延。本发明使用深度确定性策略梯度算法可以有效解决车选择无线接入方式、用户信道分配和功率选择的联合优化问题,可以在一系列连续动作空间的优化中表现稳定。
-
公开(公告)号:CN114827956B
公开(公告)日:2024-05-10
申请号:CN202210516466.1
申请日:2022-05-12
Applicant: 南京航空航天大学
IPC: H04W4/44 , H04W4/46 , H04W72/0453 , H04W72/044 , H04W72/53 , G06N20/00 , G06N3/006 , G06N3/092
Abstract: 本发明公开了一种面向用户隐私保护的高能效V2X资源分配方法,在考虑蜂窝车联网的保密率的情况下,研究如何提高车联网的频谱效率和能量效率。构建了车联网系统模型与通信模型,在此基础上建立了一个同时考虑频谱效率和能量效率的联合目标优化函数,并将保密率作为该函数的关键约束条件,利用深度Q网络将优化问题转化为V2V和V2I链路的频谱和传输功率的选择问题。仿真结果表明,本方法具有良好的收敛性和系统性能,是一种高效可靠的资源分配方法。
-
公开(公告)号:CN116963034A
公开(公告)日:2023-10-27
申请号:CN202310861810.5
申请日:2023-07-13
Applicant: 南京航空航天大学
IPC: H04W4/90 , H04W4/40 , H04W28/084 , H04W28/082 , H04L67/10 , H04L67/12 , G06N3/092
Abstract: 本发明公开了一种面向应急场景的空地网络分布式卸载决策和资源调度方法,该方法针对应急灾害场景,构建由无人机和应急救援车辆用户构成的空地一体化物联网,考虑计算密集型和时延敏感型业务的需求,以最小化系统总时延为目标构造优化问题,之后设计了一种改进的对决深度双Q网络算法求解优化问题,该算法在深度双Q网络的基础上,结合了对决网络,并引入优先经验回放机制,加快网络训练的收敛速度。本发明使用的ID3QN算法可以在满足时延和功率等约束的条件下,最小化系统的时间成本,有效解决应急场景中车辆用户的卸载决策、信道和功率分配的联合优化问题。
-
公开(公告)号:CN114599099B
公开(公告)日:2025-03-21
申请号:CN202210221080.8
申请日:2022-03-08
Applicant: 南京航空航天大学 , 江苏省未来网络创新研究院
IPC: H04W72/50 , H04B17/391 , G06N20/00
Abstract: 本发明公开一种基于强化学习的5G星地链路多波束动态功率分配方法,该方法搭建了多波束卫星通信系统模型,根据通信过程中上行链路与下行链路的信道状态不同得出了卫星的星上资源缓存信息,以最大化用户传输速率为优化目标,同时考虑功率、缓存、速率等多个约束条件给出了卫星系统资源分配问题的目标函数,基于Q学习方法,将多波束卫星设计为智能体Agent,动作为功率选择,环境为信道状态,在智能体与信道环境的交互过程中,不断更新Q值积累学习经验,逐步找到所提优化问题的最优解。本方法具有良好的收敛性和系统性能,是一种高效可靠的动态资源分配方法,能够适应复杂多变的通信环境,特别适合应用于资源受限的多波束卫星通信系统中。
-
公开(公告)号:CN114584951B
公开(公告)日:2024-12-10
申请号:CN202210221079.5
申请日:2022-03-08
Applicant: 南京航空航天大学 , 江苏省未来网络创新研究院
IPC: H04W4/40 , H04W72/50 , H04B17/391 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多智能体DDQN的联合计算卸载和资源分配方法。在车辆的本地计算资源不能满足要求时,借助路上的服务车辆及其他MEC服务器来进行计算。该方法考虑到车辆行驶过程中的资源动态变化情况,在5G蜂窝车联网中采用基于DDQN的集中式训练‑分布式执行多智能体强化学习架构,将计算开销和通信开销作为奖励函数中的变化量,实现联合计算卸载决策和计算与功率资源的优化分配,以满足车联网中计算密集型业务的需求。
-
公开(公告)号:CN114827956A
公开(公告)日:2022-07-29
申请号:CN202210516466.1
申请日:2022-05-12
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种面向用户隐私保护的高能效V2X资源分配方法,在考虑蜂窝车联网的保密率的情况下,研究如何提高车联网的频谱效率和能量效率。构建了车联网系统模型与通信模型,在此基础上建立了一个同时考虑频谱效率和能量效率的联合目标优化函数,并将保密率作为该函数的关键约束条件,利用深度Q网络将优化问题转化为V2V和V2I链路的频谱和传输功率的选择问题。仿真结果表明,本方法具有良好的收敛性和系统性能,是一种高效可靠的资源分配方法。
-
公开(公告)号:CN114599099A
公开(公告)日:2022-06-07
申请号:CN202210221080.8
申请日:2022-03-08
Applicant: 南京航空航天大学 , 江苏省未来网络创新研究院
IPC: H04W72/04 , H04B17/391 , G06N20/00
Abstract: 本发明公开一种基于强化学习的5G星地链路多波束动态功率分配方法,该方法搭建了多波束卫星通信系统模型,根据通信过程中上行链路与下行链路的信道状态不同得出了卫星的星上资源缓存信息,以最大化用户传输速率为优化目标,同时考虑功率、缓存、速率等多个约束条件给出了卫星系统资源分配问题的目标函数,基于Q学习方法,将多波束卫星设计为智能体Agent,动作为功率选择,环境为信道状态,在智能体与信道环境的交互过程中,不断更新Q值积累学习经验,逐步找到所提优化问题的最优解。本方法具有良好的收敛性和系统性能,是一种高效可靠的动态资源分配方法,能够适应复杂多变的通信环境,特别适合应用于资源受限的多波束卫星通信系统中。
-
公开(公告)号:CN114584951A
公开(公告)日:2022-06-03
申请号:CN202210221079.5
申请日:2022-03-08
Applicant: 南京航空航天大学 , 江苏省未来网络创新研究院
IPC: H04W4/40 , H04W72/04 , H04B17/391 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多智能体DDQN的联合计算卸载和资源分配方法。在车辆的本地计算资源不能满足要求时,借助路上的服务车辆及其他MEC服务器来进行计算。该方法考虑到车辆行驶过程中的资源动态变化情况,在5G蜂窝车联网中采用基于DDQN的集中式训练‑分布式执行多智能体强化学习架构,将计算开销和通信开销作为奖励函数中的变化量,实现联合计算卸载决策和计算与功率资源的优化分配,以满足车联网中计算密集型业务的需求。
-
-
-
-
-
-
-
-
-