-
公开(公告)号：CN110113418A
公开(公告)日：2019-08-09
申请号：CN201910379979.0
申请日：2019-05-08
Applicant: 电子科技大学
IPC: H04L29/08
Abstract: 本发明公开一种车联信息中心网络的协同缓存更新方法，应用于车联信息中心网络技术领域，为了解决现有技术存在的不能很好地综合多因素决策以及车辆之间不进行协同导致的不能充分利用缓存空间的问题；本发明通过增强学习的Policy Gradient算法，使用神经网络用于参数的选取，以观察到的环境因素为神经网络的输入，把神经网络的输出作为缓存更新决策，可以综合考虑多种影响因素，具有现实意义；本发明通过综合缓存更新中的缓存决策与缓存替换两个过程，基于设计的Beacon报文实现多车之间的信息共享，实现了车辆用户之间的协同缓存更新策略，一定程度上避免出现缓存的大量冗余，提高了对车辆用户上有限缓存空间的利用率。
-
公开(公告)号：CN108966309B
公开(公告)日：2021-01-12
申请号：CN201811097487.4
申请日：2018-09-20
Applicant: 电子科技大学
IPC: H04W40/24 , H04L12/751
Abstract: 本发明公开一种基于强化学习的智能路由方法，针对先应式路由需要维护全局路由表，会带来较大的通信开销，反应式路由在发送数据前需要进行一次寻路操作，又会造成时延较大的问题；本发明的方法为不同优先级的业务分别维护一张Q‑表，并根据不同优先级的自适应概率p确定是否进行全回声探索，然后进行路由的更新、维护与决策；本发明按照自适应的概率p进行全回声探索，减少了路由开销；结合全回声探索与Q‑值的更新机制在一定程度上降低了系统时延。
-
公开(公告)号：CN110113418B
公开(公告)日：2020-06-02
申请号：CN201910379979.0
申请日：2019-05-08
Applicant: 电子科技大学
IPC: H04L29/08
Abstract: 本发明公开一种车联信息中心网络的协同缓存更新方法，应用于车联信息中心网络技术领域，为了解决现有技术存在的不能很好地综合多因素决策以及车辆之间不进行协同导致的不能充分利用缓存空间的问题；本发明通过增强学习的Policy Gradient算法，使用神经网络用于参数的选取，以观察到的环境因素为神经网络的输入，把神经网络的输出作为缓存更新决策，可以综合考虑多种影响因素，具有现实意义；本发明通过综合缓存更新中的缓存决策与缓存替换两个过程，基于设计的Beacon报文实现多车之间的信息共享，实现了车辆用户之间的协同缓存更新策略，一定程度上避免出现缓存的大量冗余，提高了对车辆用户上有限缓存空间的利用率。
-
公开(公告)号：CN108966309A
公开(公告)日：2018-12-07
申请号：CN201811097487.4
申请日：2018-09-20
Applicant: 电子科技大学
IPC: H04W40/24 , H04L12/751
Abstract: 本发明公开一种基于强化学习的智能路由方法，针对先应式路由需要维护全局路由表，会带来较大的通信开销，反应式路由在发送数据前需要进行一次寻路操作，又会造成时延较大的问题；本发明的方法为不同优先级的业务分别维护一张Q‑表，并根据不同优先级的自适应概率p确定是否进行全回声探索，然后进行路由的更新、维护与决策；本发明按照自适应的概率p进行全回声探索，减少了路由开销；结合全回声探索与Q‑值的更新机制在一定程度上降低了系统时延。
-
-
-
Search Results
4
records
(took 0.01 seconds)
