-
公开(公告)号：CN117880891A
公开(公告)日：2024-04-12
申请号：CN202410089099.0
申请日：2024-01-22
Applicant: 华侨大学
IPC: H04W28/08 , H04B17/382 , H04B17/391 , H04W4/44 , G06N3/092 , G06N3/08
Abstract: 本发明公开了一种车联网中基于Rainbow算法的计算卸载与资源分配方法及装置，包括：构建车联网系统，根据车联网系统构建任务模型和通讯模型，根据任务模型和通讯模型构建总任务时延模型和总能耗模型，根据总任务时延模型和总能耗模型构建优化模型；根据优化模型建立马尔可夫决策过程，构建包括当前网络和目标网络的多智能体强化学习模型；基于马尔可夫决策过程采用Rainbow算法对多智能体强化学习模型进行训练，得到经训练的目标网络，将经训练的目标网络部署在智能体上；获取智能体与环境交换获得的当前的状态，将当前的状态输入经训练的目标网络，得到对应的动作，根据动作确定任务的卸载策略与资源分配策略，能够有效缓解资源不足及车辆移动性问题。
-
公开(公告)号：CN117768954A
公开(公告)日：2024-03-26
申请号：CN202311769692.1
申请日：2023-12-21
Applicant: 华侨大学
IPC: H04W28/08 , H04W4/44 , H04W4/46 , H04W28/084
Abstract: 一种基于动态通信组的车辆辅助决策的计算迁移方法，将闲置车辆与用户车辆一同组成通信组，根据用户计算迁移需求，将其建立成计算迁移的任务约束模型；引入了优先级这一概念来判断哪些车辆更适合作为通信组成员，根据用户周边闲置车辆的计算能力、计算容量、与用户之间的距离以及与用户能够通信的时长计算得到数值来代表他们的优先级，然后选择优先级高的车辆与用户组成通信组；利用存储经验训练模型，更新模型参数，优化系统的时延和能耗；根据用户对时延和能耗的需求变化以及奖励函数对计算车辆优先级的公式参数进行更新。本发明充分利用闲置车辆的计算资源，帮助用户车辆进行计算迁移决策，减轻用户车辆的计算的负担。
-
公开(公告)号：CN117336305A
公开(公告)日：2024-01-02
申请号：CN202311294663.4
申请日：2023-10-09
Applicant: 华侨大学
IPC: H04L67/1074 , G06Q10/063 , G06F9/50 , G06Q30/0283 , G06N7/01 , H04L67/10 , H04L41/14
Abstract: 本发明提供一种基于Stackelberg博弈的边缘服务缓存激励方法，包括：根据移动用户(Mobile Users，MUs)不同的任务到达率和边缘服务提供商(Edge Service Providers，ESPs)可提供的开放服务器数量，结合队论理论，得到任务卸载可靠性函数模型；根据服务器接受的卸载任务数量以及并发任务对应任务MUs的状态，动态调整服务器的开放数量，得到能源消耗函数模型；根据MUs和ESPs在博弈过程所扮演的不同角色，构建出各自的效用模型，在可靠性约束下得到博弈双方的效用值；根据交替方向乘子法(Alternating Direction Method Of Multipliers，ADMM)，彼此相互迭代，得到纳什均衡，实现定价优化。本发明基于ADMM算法能在一定迭代次数内找到并发任务卸载过程中的最优卸载策略，有效地优化任务卸载中服务定价与时延问题。
-
公开(公告)号：CN116862376A
公开(公告)日：2023-10-10
申请号：CN202310852924.3
申请日：2023-07-12
Applicant: 华侨大学
IPC: G06Q10/087 , G06F9/50 , G06N3/126
Abstract: 基于AbYSS的仓储基站组的计算迁移方法、装置和电子设备，先通过初始化阶段对种群最大迭代数、变异概率进行初始化。初始种群再通过子集生成、个体组合、个体改进以及更新参考集方法等步骤得到新的解决方案，新的解决方案同时联合盲区内外的目标函数，并不断的与外部存档中的解决方案进行占优比较。经过不断地循环迭代最终在外部存档中得到分布均匀的帕累托最优解即最优的计算迁移策略。其中，考虑到边缘服务器服务范围有限而产生的盲区问题，本发明采用了小型基站组为盲区内的设备提供服务，并同时考虑基站组协同处理盲区内计算任务的机制。本发明的优点在于在考虑仓储内盲区设备需求的同时，对仓储内智能设备产生的任务进行合理的计算迁移，最终联合优化了智能设备的时延、能耗以及服务器集群的资源利用率以及负载均衡多个目标。
-
公开(公告)号：CN113821317B
公开(公告)日：2023-08-11
申请号：CN202110753438.7
申请日：2021-07-02
Applicant: 华侨大学
Abstract: 本发明提供了一种边云协同的微服务调度方法、装置及设备，通过将一个应用服务程序解耦成多个微服务，并基于改进的粒子群优化算法，以服务完成时间和边缘服务器的资源利用率为优化目标，通过不断迭代最终得到实现多目标优化的微服务调度策略；一方面，服务调度使得服务执行尽可能地靠近数据源，满足了用户低时延的需求，另一方面，将部分非时延敏感型应用的微服务调度到云服务器上，很好地缓解了边缘服务器的计算压力，避免出现边缘服务器过载的问题，影响服务质量。
-
Patent Agency Ranking
公开(公告)号：CN111857976B
公开(公告)日：2023-06-02
申请号：CN202010790128.8
申请日：2020-08-07
Applicant: 华侨大学
Abstract: 本发明提供了计算机领域的一种基于分解的多目标优化的计算迁移方法，包括如下步骤：步骤S10、基于终端用户的满意度以及边缘云服务提供商的收益创建一目标模型；步骤S20、利用遗传算法以及多目标优化算法对所述目标模型进行迭代进化；步骤S30、利用多准则决策、加权法以及迭代进化后的所述目标模型进行计算迁移。本发明的优点在于：综合考虑终端用户的满意度以及边缘云服务提供商的收益的同时，极大的提升了计算迁移的速度。
-
公开(公告)号：CN111813506B
公开(公告)日：2023-06-02
申请号：CN202010693095.5
申请日：2020-07-17
Applicant: 华侨大学
Abstract: 本发明公开了一种基于粒子群算法资源感知计算迁移方法，所述方法包括：对输入的每一个工作流中的子任务的前驱后继关系进行判断然后对每个工作流进行整合重构，得到复杂工作流的全局模型；基于粒子群优化算法，以系统能耗和时延为优化目标，通过迭代不断更新粒子速度、粒子位置以及粒子适应度函数，最终得到多目标优化后粒子的迁移策略；根据当前的系统能耗、系统时延以及边缘服务器的资源利用率，进一步地，在每一次迁移策略确定后对系统进行新一轮的资源配置，实现能耗、时延以及资源利用率三目标优化。本发明在面对用户端产生的较为复杂的任务时，仍可以为用户提供质量较高的服务，且可以实现对服务器的负载进行平衡的功能，计算简单快速。
-
-
公开(公告)号：CN116896561A
公开(公告)日：2023-10-17
申请号：CN202310846062.3
申请日：2023-07-11
Applicant: 华侨大学
Abstract: 一种面向车路协同系统的计算卸载和资源分配方法，包括根据车路协同系统框架建立通信模型和ML任务模型；根据所述通信模型和所述ML任务模型建立计算模型；基于计算模型将计算卸载和资源分配问题建模成马尔可夫决策模型，根据马尔可夫决策模型将一种多动作输出的策略网络引入SAC算法中；让智能体不断地和环境进行交互并获得奖励，最终收敛到一个可获得最大总奖励的计算卸载和资源分配策略；根据所述最优计算卸载和资源分配策略执行ML任务，并将处理结果传到MEC服务器，在MEC服务器上构建起数字孪生车辆，进而数字孪生车辆对车辆的行为进行预测，以辅助车辆的自动驾驶。本发明最大限度地提高ML任务的处理精度，并减少任务的总处理时延和能耗。
-
公开(公告)号：CN111984419B
公开(公告)日：2023-06-02
申请号：CN202010886685.X
申请日：2020-08-28
Applicant: 华侨大学
Abstract: 本发明提供了计算机技术领域的一种边缘环境可靠性约束的复杂任务计算迁移方法，包括：步骤S10、获取任务集合构建复杂工作流模型；步骤S20、基于复杂工作流模型构建父代种群并进行初始化；步骤S30、基于父代种群生成混合种群；步骤S40、利用第三代非支配排序遗传算法对混合种群的个体进行排序后，构成若干个非支配层；步骤S50、计算混合种群各优化目标的极值点；步骤S60、基于各极值点构建三维坐标平面，计算坐标轴至三维坐标平面的截距值，利用所述截距值以及非支配层对父代种群进行迭代更新。本发明的优点在于：在满足时延和系统能耗双重可靠性约束条件的同时，实现对复杂任务的系统能耗、时延以及资源利用率进行多目标优化。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.037 seconds)
