公开(公告)号：CN119172807A

公开(公告)日：2024-12-20

申请号：CN202411057078.7

申请日：2024-08-02

Applicant: 厦门大学

Inventor： 林世俊 ,  罗晏 ,  朱凯歌 ,  洪学敏 ,  石江宏

IPC: H04W28/084 ,  H04W28/08 ,  H04W52/02

Abstract: 本发明协助者辅助计算的非完全重叠NOMA网络中通信与计算资源分配的联合优化方法，属于MEC网络技术领域，用户在每一时隙需要将两个异构任务通过非完全重叠NOMA分别卸载至两个协助者，在满足不同任务的时延截止需求以及协助者能量约束下，通过联合优化用户和协助者的计算资源、用户卸载数据量、发射功率、传输时间和协助者选择来最小化非完全重叠NOMA网络的协同边缘计算系统的能耗。

公开(公告)号：CN117729571A

公开(公告)日：2024-03-19

申请号：CN202410177424.9

申请日：2024-02-08

Applicant: 厦门大学

Inventor： 林世俊 ,  朱凯歌 ,  石江宏

IPC: H04W24/02 ,  H04W28/16 ,  H04W52/30

Abstract: 本发明涉及一种动态MEC网络中迁移决策和资源分配的联合优化方法，通过Lyapunov框架将长期问题转化为每个时隙下的确定性问题，涉及服务器选择，发射功率和服务器资源分配的优化。首先根据拉格朗日对偶分解得到给定服务器选择下的最优资源分配，然后结合深度强化学习求解服务器选择使得Lyapunov漂移最小，最终使得在长期迁移代价的约束下用户的长期能耗最小。

公开(公告)号：CN119012279A

公开(公告)日：2024-11-22

申请号：CN202410995248.X

申请日：2024-07-24

Applicant: 厦门大学

Inventor： 林世俊 ,  朱凯歌 ,  洪学敏 ,  石江宏

IPC: H04W28/08 ,  H04B7/04 ,  G06N3/092 ,  H04W72/0446 ,  H04W28/06

Abstract: 本发明涉及一种RIS辅助的NOMA‑MEC网络中通信与计算资源分配的联合优化方法、系统及程序产品，其将模型分解为两个嵌套求解的子模型，即任务卸载比例与通信过程联合优化子模型和反射面相移优化子模型。对于前者，通过理论推导证明当反射面相移给定时最优发射功率可以表示为NOMA组传输时间以及任务卸载比例的函数，然后使用拉格朗日对偶算法求解最优任务卸载比例和最优NOMA组传输时间；对于后者，将其表述深度强化学习模型，使用PPO算法进行求解。如此，本发明将通信过程与计算过程紧密耦合，提高了NOMA‑MEC网络系统的整体性能。

公开(公告)号：CN117729571B

公开(公告)日：2024-05-31

申请号：CN202410177424.9

申请日：2024-02-08

Applicant: 厦门大学

Inventor： 林世俊 ,  朱凯歌 ,  石江宏

IPC: H04W24/02 ,  H04W28/16 ,  H04W52/30

Abstract: 本发明涉及一种动态MEC网络中迁移决策和资源分配的联合优化方法，通过Lyapunov框架将长期问题转化为每个时隙下的确定性问题，涉及服务器选择，发射功率和服务器资源分配的优化。首先根据拉格朗日对偶分解得到给定服务器选择下的最优资源分配，然后结合深度强化学习求解服务器选择使得Lyapunov漂移最小，最终使得在长期迁移代价的约束下用户的长期能耗最小。