公开(公告)号：CN120075897A

公开(公告)日：2025-05-30

申请号：CN202510201348.5

申请日：2025-02-24

Applicant: 重庆邮电大学

Inventor： 唐宏 ,  施杰 ,  杨浩澜 ,  刘子兴 ,  燕星芮

IPC: H04W28/084 ,  H04W28/08 ,  H04W28/14 ,  H04W4/46 ,  H04W4/44

Abstract: 本发明属于车载边缘计算技术领域，具体涉及一种基于改进A3C算法的计算卸载与缓存联合优化方法及装置，所述方法包括：应用于目标网络，所述目标网络至少包括多个配有MEC服务器的路边单元、多个终端车辆和云服务器，建立车辆移动模型、任务处理的时延能耗模型和缓存模型；建立任务优先级和任务抢占模型；根据上述模型，以系统中的任务总平均时延最小化为目标，建立具有约束条件的任务卸载和缓存分配联合优化模型；构建基于改进的Actor‑Critic的深度强化学习框架，得到任务卸载决策、缓存分配决策和任务抢占指示；本发明旨在满足能耗时延约束的基础上最小化任务总平均时延。

公开(公告)号：CN120050715A

公开(公告)日：2025-05-27

申请号：CN202510231455.2

申请日：2025-02-28

Applicant: 重庆邮电大学

Inventor： 唐宏 ,  燕星芮 ,  杨浩澜 ,  施杰 ,  刘子兴

IPC: H04W28/08 ,  H04W28/14 ,  H04W28/084 ,  G06N3/092 ,  G06F18/20

Abstract: 本发明属于边缘服务缓存技术领域，具体涉及一种基站聚类和服务缓存联合分配方法；该方法包括：构建密集型移动边缘网络，该网络包括多个基站和多个用户，其中基站遵循泊松分布；基于密集型移动边缘网络，构建最小化用户总时延优化问题；构建基于软演员‑评论家的深度强化学习框架；根据基于软演员‑评论家的深度强化学习框架对最小化用户总时延优化问题进行求解，得到最优基站聚类和服务缓存方案并执行；本发明可在复杂的网络环境中实现对状态变化的高效响应，具有良好得应用前景。