公开(公告)号：CN117998420A

公开(公告)日：2024-05-07

申请号：CN202410226259.1

申请日：2024-02-29

Applicant: 南京邮电大学

Inventor： 朱晓荣 ,  张秀贤 ,  王伟岸 ,  张才铭

IPC: H04W24/02 ,  H04L41/12 ,  H04W72/044 ,  H04L9/00

Abstract: 本发明公开了一种基于DAG的分片级联分布式6G网络联合优化方法及装置，属于信息通信技术领域，包括以最小化一轮训练中能量消耗和时延的加权值为目标，求解构建好的联合优化模型，得到最优分片数量、最优网络拓扑结构和最优计算资源分配方案，从而对构建好的基于DAG的分片级联分布式6G网络的分片数量、网络拓扑结构和计算资源分配进行联合优化；其中基于DAG的分片级联分布式6G网络包括通信网络、DML网络和区块链网络，通信网络用于实现各节点间的网络通信，DML网络用于对节点的模型进行训练和聚合，区块链网络用于实现聚合好的模型的可信共享；节点为DML网络和区块链网络的节点；本发明能够降低通信开销，减少能量消耗。

公开(公告)号：CN119815426A

公开(公告)日：2025-04-11

申请号：CN202510042720.2

申请日：2025-01-10

Applicant: 南京邮电大学

Inventor： 朱晓荣 ,  张才铭

IPC: H04W28/084 ,  H04W28/08 ,  G06N3/042 ,  G06N3/092

Abstract: 本发明涉及移动边缘计算领域，具体为一种基于时序图的6G网络多智能体实时任务卸载算法，包括：针对智能助理在移动过程中与边缘节点之间的动态连接关系，建立基于时序图的表征模型；根据任务的卸载选择模型和卸载节点的任务执行能耗最小化任务卸载的能效成本，建立多目标优化问题任务卸载和资源分配模型；将任务卸载决策与资源分配问题解耦；基于时序图的网络拓扑结构，设计图强化学习框架，用于在6G网络环境中实现任务卸载的最优决策，并通过多轮训练和更新，逐步求解出最优的任务卸载策略和边缘资源分配策略，显著提升了多智能体任务卸载的效率与能效，解决了现有方法在动态环境中优化效果不足的问题。