-
公开(公告)号：CN115334592B
公开(公告)日：2024-07-26
申请号：CN202210916413.9
申请日：2022-08-01
Applicant: 天津理工大学
IPC: H04W28/08 , H04W28/084 , G06N3/006
Abstract: 本发明公开一种基于量子行为粒子群优化策略的IoT用户感知任务卸载方法，属于物联网领域。为了解决移动物联网环境中边缘计算感知任务卸载的时间消耗和能量损耗高的问题，设计量子行为粒子种群的适应性方差衡量粒子种群的收敛性，在量子行为粒子种群接近收敛时，采用Logistic混沌扰动策略提高智能优化算法跳出局部最优解的能力；设计量子行为粒子种群多样性评价函数衡量粒子种群的多样性，采用基于拥挤系数的快速精英非支配排序遗传算法的交叉和变换操作，实现较低的能量损耗。与其他近三年的五种感知任务计算卸载方法实验比较，NQPSOOM方法较好的提高了感知任务卸载模型的性能。
-
公开(公告)号：CN115175133B
公开(公告)日：2024-04-30
申请号：CN202210799017.2
申请日：2022-07-08
Applicant: 天津理工大学
Abstract: 一种基于模糊逻辑与信号博弈策略的车辆协作通信方法，属于物联网领域。本发明方法提出了基于模糊逻辑与信号博弈策略的车辆协作通信方法,通过卡尔曼滤波获得较为真实的车辆位置和速度信息，后通过模糊逻辑选取中继节点辅助请求信息报文分发。在每次车辆接收到请求时通过信号博弈返回首次数据信息，若第一次未收到全部的信息请求，信息请求车辆将根据信号强度和对先前车辆观测得到的信念发送第二次信息请求。实验表明，本方法能够实现车辆协作通信功能，解决VANET链路稳定性低和广播风暴问题，对建立VANET中车辆协作的实用有很好的支撑作用。
-
公开(公告)号：CN115131967A
公开(公告)日：2022-09-30
申请号：CN202210736473.2
申请日：2022-06-27
Applicant: 天津理工大学
Abstract: 一种基于簇族和模糊逻辑的交通态势感知方法。在该方法中，车辆节点首先聚簇；然后，簇员向簇头报告当前自身的位置和速度信息；簇头对簇内所有车辆的速度自适应加权处理，获得车辆群的移动速度；同时，簇头根据位置信息和簇员数目，计算簇内车辆密度；最后，利用模糊逻辑理论，根据车辆群的移动速度和密度判断簇所在路段上的交通拥塞程度。所获得的交通态势信息是对车辆位置信息、车辆群移动速度信息、车辆密度信息的融合判决得到的，是表征交通状态的量。仿真结果表明：TSA‑CF的检测准确程度优于其他方法，能够较准确地描述路面的交通状态，可有效提高路网的通行效率。
-
公开(公告)号：CN115150405A
公开(公告)日：2022-10-04
申请号：CN202210808327.6
申请日：2022-07-11
Applicant: 天津理工大学
IPC: H04L67/1021 , G06N3/00
Abstract: 本发明公开一种基于前景理论框架的边缘计算任务卸载方法，属于物联网领域。移动边缘计算为联网的车辆、手机等移动设备提供了完成密集型计算和延迟敏感任务的可靠解决方案，现有的研究大多在假设用户绝对理性的基础上设计一系列方法来完成预期目标，但是因为用户的主观性，实际结果会偏离真实情况。针对小型蜂窝网络场景下的任务卸载问题使用人工鱼群算法在限制时延情况下优化系统能量，最后通过实验测试验证了用户行为对系统能量优化的影响及所提出的任务卸载方法的有效性。
-
公开(公告)号：CN115175133A
公开(公告)日：2022-10-11
申请号：CN202210799017.2
申请日：2022-07-08
Applicant: 天津理工大学
Abstract: 一种基于模糊逻辑与信号博弈策略的车辆协作通信方法，属于物联网领域。本发明方法提出了基于模糊逻辑与信号博弈策略的车辆协作通信方法,通过卡尔曼滤波获得较为真实的车辆位置和速度信息，后通过模糊逻辑选取中继节点辅助请求信息报文分发。在每次车辆接收到请求时通过信号博弈返回首次数据信息，若第一次未收到全部的信息请求，信息请求车辆将根据信号强度和对先前车辆观测得到的信念发送第二次信息请求。实验表明，本方法能够实现车辆协作通信功能，解决VANET链路稳定性低和广播风暴问题，对建立VANET中车辆协作的实用有很好的支撑作用。
-
Patent Agency Ranking
公开(公告)号：CN115134242A
公开(公告)日：2022-09-30
申请号：CN202210736247.4
申请日：2022-06-27
Applicant: 天津理工大学
IPC: H04L41/0823 , H04L41/12 , H04L41/14 , H04W4/46 , H04W28/08
Abstract: 一种基于深度强化学习策略的车载计算任务卸载方法。车辆网为车载终端、路测单元以及行人提供无线通信服务，对于延迟的要求较高。当车辆移动速度过快时可能在短时间内经过多个路测单元,最后车辆所在的服务器不是处理计算任务的服务器，计算结果需要经过回程链路传递，同时由于MEC服务器计算资源有限，需要消耗大量等待时间。基于这一情景，本发明方法车辆根据MEC的状态，将任务卸载到负载最低的MEC服务器，计算结果不再通过I2I的方式传递而是采用代价更低的V2V的方式完成，以节省任务传输和等待时延，同时采用深度强化学习策略来解决加权总开销最小化问题。最后通过仿真实验与现有方法的对比，证明了该方法的优越性。
-
公开(公告)号：CN118200325A
公开(公告)日：2024-06-14
申请号：CN202410302749.5
申请日：2024-03-18
Applicant: 天津理工大学
IPC: H04L67/1023 , H04L41/16 , H04B7/185
Abstract: 一种基于无人机辅助的边缘计算卸载方法，属于物联网领域。针对突发自然灾害或事故等通讯基础设施无法正常工作的极端情况，对无人机辅助移动设备卸载策略生成过程中的边缘计算关键技术进行了研究。针对移动设备卸载策略生成问题，考虑将无人机和边缘计算服务车均可以作为辅助卸载设备，帮助移动设备分担计算任务。首先对任务模型进行了建模，分别分析了在本地计算、无人机计算和边缘计算服务车计算所产生的时间和能量消耗，以最小化时间和能量消耗为目标，提出使用基于双延迟深度确定性策略梯度的深度强化学习方法来优化卸载策略。发明使用的算法可以显著的降低时延和能耗，尤其对于搜救机器人来说，可以增加续航时间和搜索能力，具有较大的实用价值。
-
公开(公告)号：CN115209373A
公开(公告)日：2022-10-18
申请号：CN202210808169.4
申请日：2022-07-11
Applicant: 天津理工大学
Abstract: 一种基于二分图匹配策略的车联网任务卸载方法。在车辆定向移动的车辆网络模型中，车辆根据在下一个路口的转向方向被配置为三个车辆子网络。对于每个子网络，车辆间通过车对车通信方式相互通信，并通过车对基础设施通信方式与路边单元通信。此外，本方法提出了基于二分图匹配算法的任务卸载方法，将当前时刻做出任务卸载决策所对应的车辆网络构造成一个加权二分图，并通过Kuhn‑Munkres算法来求解二分图的最优匹配，最终目的是选择合适的临近车辆/边缘服务器作为卸载节点，最小化来自车辆的任务时延。仿真实验结果表明，本发明提出的车辆网络模型结合算法具有较好的性能，可以显著减少车联网在处理任务和上传数据时的传输延迟和丢包率。
-
公开(公告)号：CN115134242B
公开(公告)日：2023-08-22
申请号：CN202210736247.4
申请日：2022-06-27
Applicant: 天津理工大学
IPC: H04L41/0823 , H04L41/12 , H04L41/14 , H04W4/46 , H04W28/08 , H04W28/084
Abstract: 一种基于深度强化学习策略的车载计算任务卸载方法。车辆网为车载终端、路测单元以及行人提供无线通信服务，对于延迟的要求较高。当车辆移动速度过快时可能在短时间内经过多个路测单元,最后车辆所在的服务器不是处理计算任务的服务器，计算结果需要经过回程链路传递，同时由于MEC服务器计算资源有限，需要消耗大量等待时间。基于这一情景，本发明方法车辆根据MEC的状态，将任务卸载到负载最低的MEC服务器，计算结果不再通过I2I的方式传递而是采用代价更低的V2V的方式完成，以节省任务传输和等待时延，同时采用深度强化学习策略来解决加权总开销最小化问题。最后通过仿真实验与现有方法的对比，证明了该方法的优越性。
-
公开(公告)号：CN115150405B
公开(公告)日：2023-08-01
申请号：CN202210808327.6
申请日：2022-07-11
Applicant: 天津理工大学
IPC: H04L67/1021 , G06N3/006
Abstract: 本发明公开一种基于前景理论框架的边缘计算任务卸载方法，属于物联网领域。移动边缘计算为联网的车辆、手机等移动设备提供了完成密集型计算和延迟敏感任务的可靠解决方案，现有的研究大多在假设用户绝对理性的基础上设计一系列方法来完成预期目标，但是因为用户的主观性，实际结果会偏离真实情况。针对小型蜂窝网络场景下的任务卸载问题使用人工鱼群算法在限制时延情况下优化系统能量，最后通过实验测试验证了用户行为对系统能量优化的影响及所提出的任务卸载方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
