-
公开(公告)号：CN119356754A
公开(公告)日：2025-01-24
申请号：CN202411417072.6
申请日：2024-10-11
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于最优停止理论的车联网中计算任务优化卸载方法及系统,属于车联网技术领域，方法包括：构建基于最优停止理论的车联网模型，根据车辆速度和RSU的负载，建立最小化总卸载成本期望的目标函数；所述成本数据包括RSU的负载和观测成本；采用最优停止理论对所述目标函数进行求解，计算得到参考值；根据观察到的当前RSU负载，将所述当前负载与计算得到的参考值进行比较，找到最优停止时刻进行卸载。本方法通过对计算任务进行优化卸载，实现车联网中任务计算的负载均衡，提高了计算资源的利用率。
-
公开(公告)号：CN118695301A
公开(公告)日：2024-09-24
申请号：CN202410756978.4
申请日：2024-06-12
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于联邦学习架构的车联网中计算任务优化卸载方法及系统,属于车联网技术领域。方法包括：构建基于联邦学习架构的车联网模型，根据电动车辆的历史状态数据建立最小化计算时延和能耗的目标函数；所述历史状态数据包括电动车辆的位置、车辆速度、车辆剩余电量和车辆需要卸载的计算任务大小；采用强化学习算法对所述目标函数进行求解和参数优化，得到优化卸载模型；获取当前电动车辆的当前状态数据，将所述当前状态数据输入到所述优化卸载模型，输出计算任务的最优卸载方案。本方法通过对计算任务进行优化卸载，实现车联网中任务计算的负载均衡，提高了计算资源的利用率。
-
公开(公告)号：CN118695301B
公开(公告)日：2025-01-03
申请号：CN202410756978.4
申请日：2024-06-12
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于联邦学习架构的车联网中计算任务优化卸载方法及系统,属于车联网技术领域。方法包括：构建基于联邦学习架构的车联网模型，根据电动车辆的历史状态数据建立最小化计算时延和能耗的目标函数；所述历史状态数据包括电动车辆的位置、车辆速度、车辆剩余电量和车辆需要卸载的计算任务大小；采用强化学习算法对所述目标函数进行求解和参数优化，得到优化卸载模型；获取当前电动车辆的当前状态数据，将所述当前状态数据输入到所述优化卸载模型，输出计算任务的最优卸载方案。本方法通过对计算任务进行优化卸载，实现车联网中任务计算的负载均衡，提高了计算资源的利用率。
-
-
Search Results
3
records
(took 0.017 seconds)
