公开(公告)号：CN119545434A

公开(公告)日：2025-02-28

申请号：CN202411483308.6

申请日：2024-10-23

Applicant: 桂林理工大学

Inventor： 邱斌 ,  李学礼 ,  李国威 ,  胡红波 ,  黄翔 ,  肖海林 ,  李嘉 ,  刘红霖

IPC: H04W28/084 ,  H04W28/08 ,  H04W4/70 ,  G06F9/50 ,  G06N3/006 ,  G06N3/045 ,  G06N3/092 ,  G06N5/04

Abstract: 本发明涉及边缘计算技术领域，具体涉及一种多智能体深度确定性梯度策略计算卸载方法，具体为在多物联网终端设备与多边缘计算服务器节点协作式应用场景下建立终端设备任务卸载决策模型，通过分析边缘节点与物联网终端设备的竞争关系构建斯塔克尔伯格博弈模型，进而设计相应的多智能体马尔科夫决策过程，最后利用所设计的多智能体训练求解博弈模型的纳什均衡。与现有技术相比能有效降低边缘计算系统成本，并解决了传统深度强化学习算法因探索动作空间维度长导致的陷入局部最优解的问题，实现了在多终端及多边缘节点协作应急场景下的动态计算卸载决策，提高了应急场景下感知信息传输的时效性的同时降低了卸载成本。

公开(公告)号：CN119402495A

公开(公告)日：2025-02-07

申请号：CN202411531774.7

申请日：2024-10-30

Applicant: 桂林理工大学

Inventor： 邱斌 ,  李学礼 ,  肖海林 ,  闭合 ,  李嘉 ,  刘红霖 ,  李国威

IPC: H04L67/10 ,  H04L41/14 ,  H04L41/142 ,  H04L41/147 ,  H04L41/16

Abstract: 本发明涉及深度强化学习技术领域，具体涉及一种基于交替迭代优化的深度确定性梯度策略计算卸载方法，在物联网设备与边缘计算服务器节点协作式应用场景下建立任务卸载决策模型，并通过将模型中耦合的终端设备卸载策略、边缘节点资源分配及位置部署变量建模为三个智能体，设计相应的马尔科夫过程，利用智能体交替训练学习求解，本发明的优化目标在于降低系统的时延及能耗加权和，与现有技术相比，解决了传统深度强化学习算法因探索动作空间维度长陷入局部最优解的问题，实现了在动态计算任务卸载环境中的快速卸载决策，从而提升用户体验。

公开(公告)号：CN119300088A

公开(公告)日：2025-01-10

申请号：CN202411309041.9

申请日：2024-09-19

Applicant: 桂林理工大学

Inventor： 邱斌 ,  王云霄 ,  常潇 ,  张国庆 ,  肖海林

IPC: H04W28/08 ,  H04W4/40 ,  H04B7/04

Abstract: 本发明涉及边缘计算技术领域，具体涉及一种智能超表面辅助的车载边缘计算任务卸载方法，针对智能超表面辅助车载边缘计算场景的无线卸载传输链路面临的高路径损耗和易受阻塞等问题，利用智能超表面来提高无线卸载传输链路的信道质量，具体通过建立智能超表面辅助的车载边缘计算卸载模型，克服了在车辆移动时产生的传输链路受阻问题，同时建立智能超表面相移、幅值、卸载决策以及资源分配的智能联合优化问题，最后通过DDPG算法来解决动态耦合非凸问题，在减少链路受阻下降低计算卸载成本，从而使由车载边缘计算系统延迟和能耗组成的成本最小化。

公开(公告)号：CN117676705A

公开(公告)日：2024-03-08

申请号：CN202311488286.8

申请日：2023-11-09

Applicant: 桂林理工大学

Inventor： 邱斌 ,  李学礼 ,  敬超 ,  李国威 ,  胡红波 ,  邓昀 ,  黄翔 ,  肖海林 ,  李嘉 ,  刘红霖

IPC: H04W28/08 ,  H04W28/084 ,  H04W4/029 ,  H04W4/40

Abstract: 本发明涉及无线通信技术领域，具体涉及一种多无人机协同的智慧园区物联网数据边缘协同处理方法，首先基于博弈论计算卸载算法优化终端设备计算任务卸载比例，改进基站及无人机单位资源售价更新策略：通过计算效用函数一阶偏导更新基站及无人机单位资源价格，实现算法快速收敛；然后基于上一阶段的终端设备卸载比例，提出融合模拟退火算法及天牛须算法的退火天牛须算法用于优化无人机飞行轨迹，在外部迭代采用模拟退火中的蒙特卡洛准则接受差解，跳出局部最优，弥补了天牛须算法容易陷入局部最优解的缺陷。本发明通过对多无人机飞行轨迹以及终端计算任务卸载问题进行优化，从而降低计算任务的时延及能耗加权和总成本，提高网络服务质量。