一种基于串行任务分解的边缘分层主动缓存方法及系统

    公开(公告)号:CN117202269A

    公开(公告)日:2023-12-08

    申请号:CN202311200858.8

    申请日:2023-09-18

    申请人: 湖南大学

    IPC分类号: H04W28/14 H04W24/02 G06N3/08

    摘要: 本申请公开了一种基于串行任务分解的边缘分层主动缓存方法及系统,其引入任务分解的思想,将边缘主动缓存问题分解为“是否需要优化当前缓存队列”(子问题1)以及“如果需要,如何优化缓存队列”(子问题2)两个子问题。通过上层智能体决策子问题1,保证较高缓存命中率的同时,尽可能减少内容在短时间内被重复删除、缓存,降低传输成本。通过下层智能体决策子问题2,当上层决策需要删除/缓存后,选出最佳删除/缓存内容,实现高命中率。同时,遵循从简单到困难的课程学习过程,下层智能体的任务相较于上层智能体优化目标少,训练难度更低,因此考虑从下层到上层的分层训练顺序。

    传感器结构复用设计方法、装置、计算机设备及存储介质

    公开(公告)号:CN116595769A

    公开(公告)日:2023-08-15

    申请号:CN202310567088.4

    申请日:2023-05-19

    申请人: 湖南大学

    IPC分类号: G06F30/20

    摘要: 本发明公开了一种传感器结构复用设计方法、装置、计算机设备及存储介质,所述方法包括:根据功能复杂度、调用频率以及预估配置成本评估各项功能,确定功能设计排序;构建权衡感知性能与系统成本的传感器配置设计优化模型,并基于各类多目标优化算法进行求解;基于传感器结构复用,按照功能设计排序遍历所有功能;对传感器配置方案进行去冗余。本发明同时满足多个功能探测需求的前提下能够降低传感器数量,提高了传感器硬件资源利用率,降低了设计上的冗余浪费,节省了设计成本。

    一种多智能体强化学习车联网计算卸载方法

    公开(公告)号:CN116633936A

    公开(公告)日:2023-08-22

    申请号:CN202310370158.7

    申请日:2023-04-10

    申请人: 湖南大学

    摘要: 本发明公开了一种多智能体强化学习车联网计算卸载方法,包括以下步骤:步骤S1,构建系统模型;步骤S2,构建通信模型;步骤S3,构建任务与计算模型;步骤S4,构建能耗模型;步骤S5,构建优化模型并建立马尔可夫决策过程;步骤S6,使用MADDPG算法对优化模型进行神经网络训练;步骤S7,将完成训练的网络部署到各个智能体中。本发明通过将车联网系统中的服务车辆和MEC服务器也作为强化学习中的智能体进行资源分配的决策,并使用多智能体强化学习的方式让各智能体得到自己的策略网络,训练完成后,各智能体无需过多的通信就能够根据当前的局部信息快速输出自己的动作,能够应对快速变化的车联网环境,能够降低系统的能耗。

    一种人机多节点协同语义激光SLAM系统及方法

    公开(公告)号:CN116358520A

    公开(公告)日:2023-06-30

    申请号:CN202310255617.7

    申请日:2023-03-16

    申请人: 湖南大学

    IPC分类号: G01C21/00

    摘要: 本发明公开了一种人机多节点协同语义激光SLAM方法,包括:步骤一:设置节点端、协作端以及服务端;步骤二:采集点云数据,提取语义信息,构建局部语义地图;步骤三:服务端进行语义特征匹配,根据位姿和语义信息生成地图融合矩阵;步骤四:通过地图融合矩阵融合各局部语义地图,建立全局地图;步骤五:将全局地图传输至节点端以及协作端;步骤六:节点端重新提取特征以修正全局地图位姿;步骤七:协作端采集地图区域几何真值并上传至服务端,辅助优化全局地图。本发明的有益效果:根据语义信息构建的协同全局地图,充分利用了协同和语义SLAM的优势,融合了更多的局部信息,使得场景地图的构建精度大幅度提升。