一种基于联邦学习架构的多智能体联合边缘缓存方法

    公开(公告)号:CN119316885A

    公开(公告)日:2025-01-14

    申请号:CN202411845150.2

    申请日:2024-12-16

    Abstract: 本发明属于移动通信技术领域,尤其为一种基于联邦学习架构的多智能体联合边缘缓存方法,适用于宏微异构网络环境。本发明通过预测内容流行度,采用深度强化学习方法优化缓存决策;该方法通过联邦学习架构和去噪自编码器长短时记忆网络对内容流行度进行分布式预测,实现内容缓存的动态优化。在微宏基站之间,结合博弈模型进行缓存策略和资源分配的优化,以最大化基础设备提供商的效用。该方法引入无信息共享的多智能体深度强化学习算法优化系统效率。系统通过计算终端用户内容流行度动态调整策略,并结合通信资源分配策略降低传输延迟,提升网络性能和用户体验。该方法有效解决了现有系统中的延迟高、缓存资源利用率低等问题,适用于复杂网络环境。

    一种商用车变型产品载荷谱提取方法

    公开(公告)号:CN117113523A

    公开(公告)日:2023-11-24

    申请号:CN202310272413.4

    申请日:2023-03-20

    Abstract: 本发明属于载荷谱应用技术领域,具体涉及一种商用车变型产品载荷谱提取方法,包括以下步骤:采集基本车型在实际交通环境下的行驶车速‑时间历程路谱数据;建立基本车型的多体动力学模型;通过变换轴距得到变型产品的多体动力学模型;计算出变型产品多体动力学模型的传递函数,然后对传递函数进行逆运算,得到变型产品的逆传递函数;采用虚拟迭代算法求解变型产品前后轮心的垂直位移;在变型产品多体动力学模型的逆传递函数中通过虚拟迭代得到的轮心垂直位移和路谱采集得到的六分力共同作为变型产品多体动力学模型的输入信号,得到变型产品的载荷谱。克服了现有技术的不足,可以减少载荷谱采集工作,缩短项目开发周期,节约试验费用。

Patent Agency Ranking