公开(公告)号：CN118450474A

公开(公告)日：2024-08-06

申请号：CN202410552872.2

申请日：2024-05-07

Applicant: 南开大学

Inventor： 章辉 ,  李美锟 ,  王晶晶 ,  于红德 ,  韩旭

IPC: H04W52/02 ,  H04L1/00 ,  H04L67/12

Abstract: 本发明公开了一种分布式低功耗物联网设备动态调整传输参数的方法。该方法针对分布式低功耗物联网中设备动态参数调整问题提出了一种求解方法。对于适用于低功耗物联网设备参数动态调整方法的步骤如下：运用强化学习思想，将设备作为决策主体，旨在降低设备能耗同时保证传输成功率。根据设备所在位置的链路情况，剔除理想条件下低效动作，并根据设备能耗模型为策略空间剩余动作分配权重因子#imgabs0#之后设备遍历使用策略空间中的动作进行参数选择概率与权重的初始化。最后设备根据参数选择概率选择传输参数，并通过网关回馈信息进行参数选择概率与权重的更新，实现传输参数的动态调整。本发明为分布式低功耗物联网设备的能耗性能优化提供了有效方案。

公开(公告)号：CN118612796A

公开(公告)日：2024-09-06

申请号：CN202410748937.0

申请日：2024-06-12

Applicant: 南开大学

Inventor： 章辉 ,  王晶晶 ,  李美锟 ,  韩旭 ,  于红德

IPC: H04W28/084 ,  H04W28/082 ,  H04W28/08 ,  H04L67/10 ,  H04L67/12 ,  G06N3/092

Abstract: 本发明涉及一种稳定性约束引导的基于深度强化学习的去中心化动态卸载方法。属于移动边缘计算领域，具体来说，本发明是在由一个边缘服务器和多个用户组成的边缘计算系统中，每个用户在任务列队受到稳定性约束的条件下基于深度强化学习算法根据与环境信息的交互独立的制定任务卸载策略，即卸载到边缘服务器的计算任务的比例。以解决任务密集型用户计算能力有限资源不足的问题。本发明通过引入用户任务列队稳定性约束后，再基于深度强化学习算法为用户制定最优的任务卸载决策，极大的减少了用户的计算成本。