一种基于DQN的数据中心水冷机组能耗优化方法与系统

    公开(公告)号:CN117236181A

    公开(公告)日:2023-12-15

    申请号:CN202311239197.X

    申请日:2023-09-25

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于DQN的数据中心水冷机组能耗优化方法与系统,为水冷数据中心的PUE优化提出了一种高效的解决方案。本发明主要包括:借助物联网设备收集的海量数据,基于神经网络对水冷机组能耗进行建模;考虑水冷机组的正常工况和安全边界条件,将水冷机组能耗优化过程转化为马尔可夫决策过程,并基于水冷机组能耗模型,设计水冷机组能耗优化算法,在保障数据中心安全运行的前提下实现能耗的降低。本发明能够在保障水冷机组正常工作、数据中心正常运转的前提下显著降低水冷机组能耗,具有收敛速度快、优化效果显著的优点,并能够在未来更加复杂的优化场景中展现更大潜能。

    基于路网栅格化道路车流预测的精细化路径规划方法

    公开(公告)号:CN112629533B

    公开(公告)日:2023-07-25

    申请号:CN202011252260.X

    申请日:2020-11-11

    Applicant: 南京大学

    Abstract: 本发明基于路网栅格化道路车流预测的路径规划方法,步骤如下:基于城市的路网图,将城市划分为M×N的网格区域,在城市的路网中,将某一时刻的所有车辆的GPS或北斗数据根据经纬度和方向分配到所属的网格内,得到城市路网图的向不同方向的密度图;将得到的路网的某一时刻的密度图作为神经网络的输入,利用前30±15分钟的路网密度数据预测未来10±5分钟的神经网络;根据预测前某一时刻的道路周围网格区域的车流密度以及道路车流密度和平均速度的关系,计算得到预测后各道路的车辆平均行驶速度。根据某车辆当前所在位置划分一个栅格区域,并根据预测的未来10±5分钟的道路车辆密度和平均行驶速度信息,选择车辆在某一栅格区域内的道路。

    超可靠低时延的蜂窝车联网下行多连接传输方法与系统

    公开(公告)号:CN115915065A

    公开(公告)日:2023-04-04

    申请号:CN202211562213.4

    申请日:2022-12-07

    Applicant: 南京大学

    Abstract: 本发明公开了一种超可靠低时延的蜂窝车联网下行多连接传输方法与系统,为网联自动驾驶车辆提供了一种可靠的下行传输方案。本发明中有多个基站服务于具有多连接能力的多个用户,URLLC业务数据包使用不同的子载波在多条链路上同时独立地传输;本发明提出了一种多智能体深度强化学习算法来实现多连接性URLLC的实时功率分配,在服务于同一个URLLC用户的多个链路之间共享信息,并选择合适的传输功率,使各链路在保证可靠性的同时尽量减少小区间干扰和能耗。本发明利用多连接技术使得URLLC的实时可靠性在不依赖包重传的情况下大大增强。相比于传统算法,本发明提出的多智能体深度强化学习算法能够实时完成功率分配并适配动态用户,在保证可靠性的同时节约传输能量。

    基于车联网稀疏信息的深度学习交通状态估计方法及系统

    公开(公告)号:CN115662142A

    公开(公告)日:2023-01-31

    申请号:CN202211452507.1

    申请日:2022-11-21

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于车联网稀疏信息的深度学习交通状态估计方法及系统,为路网交通状态估计提供了一个低成本的解决方案。本发明在采集车辆行驶信息的稀疏数据集之后,根据几何约束将车辆匹配到路段,得出各路段的平均速度作为其交通状态估计值;再通过TGASA模型恢复出交通路网的实时交通状态,以修正交通状态估计值的不准确性和不稳定性。相比于基于路侧电子眼检测交通状态的方法,本发明能够在车辆数据有限的情况下,使用稀疏的移动感知数据对全部路网实现路段级的交通状态实时监测,具有更低成本,更广覆盖的优点。所提TGASA模型能捕捉交通数据在时空上的协同相关性以提高自身的鲁棒性,适用于动态变化的图结构,具有泛化学习能力。

    一种面向B5G/6G全解耦蜂窝车联网的随机优化资源分配方法

    公开(公告)号:CN115002721A

    公开(公告)日:2022-09-02

    申请号:CN202210632787.8

    申请日:2022-06-06

    Applicant: 南京大学

    Abstract: 一种B5G/6G全解耦蜂窝车联网的随机优化资源分配方法,1)针对网络中两类用户,即时延敏感用户和高速率确保用户建立优化问题模型,2)利用李雅普诺夫漂移加惩罚算法,设计异质资源切片机制,构造1)中所提优化问题的求解框架:首先构造高速率确保用户o在时间切片t的虚拟队列,其中L为时延敏感型用户需要的数据量;在时间片t的开头,初始化队列的储备量为0,在每个时间片上执行如下步骤:S1:通过求解目标函数被转化的问题P1确定最优基站连接方案和资源分配方案;3)在2)的求解框架下,结合马尔科夫近似方法设计接入基站选择方法和频谱资源切片机制:求得问题P2近似最优解。相较于传统的单基站接入,提升了车联网用户的服务质量。

    基于Lyapunov随机优化的车联网异质资源动态切片方法

    公开(公告)号:CN112423267B

    公开(公告)日:2022-04-22

    申请号:CN202011100225.6

    申请日:2020-10-14

    Applicant: 南京大学

    Abstract: 本发明提出基于Lyapunov随机优化的车联网异质资源动态切片方法,本发明构造了以最小化系统平均车辆通信时延为优化目标的随机优化问题。利用Lyapunov随机优化方法中的漂移加惩罚算法,本发明首先给出了一种通用的针对差异化服务切片的动态异质资源分配方案。然后结合马尔科夫近似方法,本发明提出一种具体的频谱带宽和蜂窝接入点异质资源动态分配方法。本方法在满足差异化服务切片的相互隔离,资源动态共享的前提下,最小化时延敏感型服务的平均通信时延,并保证即时交互服务的平均可实现数据速率。

    一种基于路网动态定价的网联智能交通路径规划方法

    公开(公告)号:CN113516277A

    公开(公告)日:2021-10-19

    申请号:CN202110392345.6

    申请日:2021-04-13

    Applicant: 南京大学

    Abstract: 本发明提供了一种基于路网动态定价的网联智能交通路径规划方法,首先交通管理者根据历史交通流数据,使用卷积神经网络预测每条道路的车流密度,并且制定通行价格,发布至智能交通系统,每个车辆通过路网时均需支付相应通行费用;用户车辆到达十字路口时,获取实时路网的状态信息,使用强化学习计算下一时刻的最优行驶路径;接着用户车辆将执行的行驶路径实时反馈至智能交通系统,交通管理者接收到交通流数据后,重复使用卷积神经网络进行实时更新车流密度,并同步制定下一阶段的道路通行价格;本发明提供的网联智能交通路径规划方法能够应对高速变化的城市交通状况,强化学习过程在用户车辆端完成,降低智能交通系统的计算量。

    一种联合分簇和三维轨迹规划的大规模无人机群数据收集方法

    公开(公告)号:CN113055826A

    公开(公告)日:2021-06-29

    申请号:CN202110268939.6

    申请日:2021-03-12

    Applicant: 南京大学

    Abstract: 本发明属于无线传感器网络技术领域,具体涉及一种联合分簇和三维轨迹规划的大规模无人机群数据收集方法,根据地理位置,每个区域对应一个无人机群,我们在每个区域选择一个Super‑CH来收集该区域的所有数据,轮渡无人机只需要从几架Super‑CH无人机上收集数据。首先通过优化传输时延确定CH的数量,然后应用改进的k‑means算法在每个区域的节点中选择相应的簇头CH和唯一的Super‑CH。随后,我们提出了一种基于BCD的迭代方法来设计轮渡无人机的最优三维轨迹,从而使其完成Super‑CH数据收集的时间最小化。

    一种面向能量均衡高可靠传输的无人机自组织网络路由方法

    公开(公告)号:CN109803342A

    公开(公告)日:2019-05-24

    申请号:CN201811284791.X

    申请日:2018-10-31

    Applicant: 南京大学

    Abstract: 一种面向能量均衡高可靠传输的无人机自组织网络路由方法,1)将无人机节点的信道划分为控制信道与数据业务信道,并设计相应的控制信令帧和数据帧;2)每一个无人机节点通过控制信道周期性发送Hello控制信令帧与覆盖范围内的无人机节点通信,建立覆盖范围内的邻居节点信息表,以及最短跳数表包括邻居节点信息表中的邻居节点最短跳数表;3)源节点即无人机发送节点发送路由请求帧RREQ,源节点通过邻接路由选择算法查找最优转发节点,通过不断转发将控制信令帧发送到目标无人机节点;4)无人机目标节点收到路由请求帧RREQ后生成路由响应帧RREP,建立从无人机源节点到无人机目标节点的路由。

    一种无物理层反馈的6G全解耦网络下行多基站协作传输方法

    公开(公告)号:CN119834842A

    公开(公告)日:2025-04-15

    申请号:CN202411963432.2

    申请日:2024-12-30

    Applicant: 南京大学

    Abstract: 本发明公开了一种无物理层反馈的6G全解耦网络下行多基站协作传输方法,在无物理层反馈传输机制下,多个基站使用固定的物理层参数,在同一时频资源块上对移动终端进行下行协作传输。本发明的方法包括:建立多径信道模型下的多基站协作传输闭合表达式;基于历史信道数据计算多基站协作传输的预编码指示(PMI),秩指示(RI)和信道质量指示(CQI);统计历史信道数据中的PMI、RI和CQI的众数值,将其作为多基站协作传输的固定物理层参数,应用于多个子帧的下行传输。相较于传统LTE/5G中基于实时信道状态信息(CSI)计算传输参数的链路自适应模式,本发明的无物理层反馈机制有效减少了多基站协作的计算和通信开销,为多基站协作传输提供了可行的设计方案。

Patent Agency Ranking