-
公开(公告)号：CN110535936B
公开(公告)日：2022-04-26
申请号：CN201910797799.4
申请日：2019-08-27
Applicant: 南京邮电大学
IPC: H04L67/1004 , H04L67/12 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的能量高效雾计算迁移方法，首先构建了任务完成时间最小化雾计算迁移优化问题，提出了一个基于深度学习的雾计算迁移决策算法用于解决上述优化问题，该算法具有较快的收敛性能，并且能够最大程度地降低复杂网络场景下的任务完成时间；其次，为了进一步优化雾计算迁移的能耗，构建了终端用户能耗最小化雾计算迁移优化问题，基于上述迁移决策算法求解的最优迁移决策，提出了最优传输功率分配求解算法用于解决上述优化问题，该求解算法对传输功率进行了动态分配，从而获得最优传输功率即最小能耗；最后，本发明方法的具体实施验证了所提雾计算迁移方法在降低任务完成时间和用户能量消耗上的优势。
-
Patent Agency Ranking
公开(公告)号：CN110162894A
公开(公告)日：2019-08-23
申请号：CN201910445848.8
申请日：2019-05-27
Applicant: 南京邮电大学
Abstract: 本发明涉及一种工业物联网场景中具有延迟保证的能量高效雾计算迁移方法。为了高效处理计算密集型任务及满足工业物联网场景对延迟的苛刻性要求，本发明首先，针对雾节点的能耗构成给出了综合性的考量即雾节点的能耗由本地计算、传输和等待状态的能耗组成，基于该考量构建了包含能量开销和时间延迟约束的雾节点能量消耗最小化模型；其次，提出了一个基于对偶分解的加速梯度求解方法用于求解，该求解方法可快速求解出最优迁移比达到最小化雾节点能耗的目的，极大地改善了传统求解方法的收敛速度，降低了计算任务的完成时间。同时，本发明方法的具体实施验证了所提出的雾计算迁移方法在雾节点能耗和计算任务完成时间的优势。
-
公开(公告)号：CN110162894B
公开(公告)日：2023-06-16
申请号：CN201910445848.8
申请日：2019-05-27
Applicant: 南京邮电大学
IPC: G06F30/20 , H04L67/12 , H04L67/10 , G06F17/15 , G06F111/04
Abstract: 本发明涉及一种工业物联网场景中具有延迟保证的能量高效雾计算迁移方法。为了高效处理计算密集型任务及满足工业物联网场景对延迟的苛刻性要求，本发明首先，针对雾节点的能耗构成给出了综合性的考量即雾节点的能耗由本地计算、传输和等待状态的能耗组成，基于该考量构建了包含能量开销和时间延迟约束的雾节点能量消耗最小化模型；其次，提出了一个基于对偶分解的加速梯度求解方法用于求解，该求解方法可快速求解出最优迁移比达到最小化雾节点能耗的目的，极大地改善了传统求解方法的收敛速度，降低了计算任务的完成时间。同时，本发明方法的具体实施验证了所提出的雾计算迁移方法在雾节点能耗和计算任务完成时间的优势。
-
公开(公告)号：CN108934029B
公开(公告)日：2021-09-24
申请号：CN201810736403.0
申请日：2018-07-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向感知大数据重建的加速分布式优化算法，首先构建感知大数据的重构误差最小化模型；基于拉格朗日乘子构造原始优化问题和相应的对偶问题；利用双重分解法将原始优化问题进行分解；采用加速次梯度方法解决对偶问题，构建加速优化算法进行求解；实现压缩数据的重构误差最小化以及求解唯一最优值的收敛速度提高，解决现有技术无法同时满足高精度数据质量和低时延要求的技术问题；证明了所提出的加速分布式优化算法的可收敛性，并且该算法有着对网络规模的免疫性。
-
公开(公告)号：CN110535936A
公开(公告)日：2019-12-03
申请号：CN201910797799.4
申请日：2019-08-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的能量高效雾计算迁移方法，首先构建了任务完成时间最小化雾计算迁移优化问题，提出了一个基于深度学习的雾计算迁移决策算法用于解决上述优化问题，该算法具有较快的收敛性能，并且能够最大程度地降低复杂网络场景下的任务完成时间；其次，为了进一步优化雾计算迁移的能耗，构建了终端用户能耗最小化雾计算迁移优化问题，基于上述迁移决策算法求解的最优迁移决策，提出了最优传输功率分配求解算法用于解决上述优化问题，该求解算法对传输功率进行了动态分配，从而获得最优传输功率即最小能耗；最后，本发明方法的具体实施验证了所提雾计算迁移方法在降低任务完成时间和用户能量消耗上的优势。
-
公开(公告)号：CN108934029A
公开(公告)日：2018-12-04
申请号：CN201810736403.0
申请日：2018-07-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向感知大数据重建的加速分布式优化算法，首先构建感知大数据的重构误差最小化模型；基于拉格朗日乘子构造原始优化问题和相应的对偶问题；利用双重分解法将原始优化问题进行分解；采用加速次梯度方法解决对偶问题，构建加速优化算法进行求解；实现压缩数据的重构误差最小化以及求解唯一最优值的收敛速度提高，解决现有技术无法同时满足高精度数据质量和低时延要求的技术问题；证明了所提出的加速分布式优化算法的可收敛性，并且该算法有着对网络规模的免疫性。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
