公开(公告)号：CN116775279A

公开(公告)日：2023-09-19

申请号：CN202310599839.0

申请日：2023-05-24

Applicant: 江苏大学

Inventor： 冯丽 ,  张慧丹

IPC: G06F9/50 ,  G06N20/00 ,  G06N7/01 ,  G06F9/48 ,  G06Q40/04

Abstract: 本发明公开了一种面向多任务边缘联邦学习的移动算力交易系统、交易方法及决策方法，用以解决边缘智能场景中，移动车载设备的机会移动性问题及激励机制设计。提出了一种半同步联邦学习聚合方式，能够避免单点故障、设备离线以及等待较慢节点的空闲时间较长的问题，同时能够保证模型的收敛性。理性移动车载设备结合有限信息，基于马尔科夫决策模型进行决策，以获得最大期望效用。并且考虑到移动车载设备具有不同算力和数据，本发明设计了合理的激励机制，以吸引更多理性移动车载设备参与联邦学习任务，提供更多的移动算力资源及数据。

公开(公告)号：CN115129447A

公开(公告)日：2022-09-30

申请号：CN202210710663.7

申请日：2022-06-22

Applicant: 江苏大学

Inventor： 周胜 ,  冯丽 ,  张慧丹

IPC: G06F9/48 ,  G06F9/50

Abstract: 本发明公开了一种工业互联网中计及条件风险价值的边缘计算任务卸载方法及计算机设备，考虑边缘计算中由于信道不确定性及可供任务卸载的MEC集不确定性，导致任务可能出现的高时延风险，建立计算任务的本地计算模型，边缘计算模型和时延风险值模型。以时延及时延风险值之和最小化为优化目标，考虑任务是否卸载约束和时延约束，通过基于一阶矩二阶矩分布鲁棒模糊集方法，将时延问题近似成一个半定规划问题(SDP)。提出一种基于分支定界法改进的时延优化卸载算法，将任务卸载问题进行合理化的分配，通过实现边缘计算更低卸载时延为用户提供更优质的服务。最后指定置信水平β的值，通过改变条件风险价值(CVaR)的权重，来规避高时延风险。