卸载动作集合获取方法及装置

    公开(公告)号:CN111782301B

    公开(公告)日:2020-12-22

    申请号:CN202010654636.3

    申请日:2020-07-08

    IPC分类号: G06F9/445 G06N3/04 G06N3/08

    摘要: 本发明提供卸载动作集合获取方法及装置,涉及集合获取领域。方法包括:获取目标应用程序任务;对目标应用程序任务进行训练,生成初始卸载动作集合;基于初始卸载动作集合确定多个新卸载动作集合;对多个新卸载动作集合的集合数量进行更新得到更新之后的多个新卸载动作集合;从对目标应用程序任务进行训练的步骤开始反复执行上述过程直至将满足迭代停止条件时的更新后的多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合;对更新后的多个新卸载动作集合分别进行成本函数计算,获取最低成本函数值对应的卸载动作集合。本发明实施例的卸载动作集合获取方法及装置通过迭代得到最低成本函数值对应的卸载动作集合,达到降低总能耗的技术效果。

    卸载动作集合获取方法及装置

    公开(公告)号:CN111782301A

    公开(公告)日:2020-10-16

    申请号:CN202010654636.3

    申请日:2020-07-08

    IPC分类号: G06F9/445 G06N3/04 G06N3/08

    摘要: 本发明提供卸载动作集合获取方法及装置,涉及集合获取领域。方法包括:获取目标应用程序任务;对目标应用程序任务进行训练,生成初始卸载动作集合;基于初始卸载动作集合确定多个新卸载动作集合;对多个新卸载动作集合的集合数量进行更新得到更新之后的多个新卸载动作集合;从对目标应用程序任务进行训练的步骤开始反复执行上述过程直至将满足迭代停止条件时的更新后的多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合;对更新后的多个新卸载动作集合分别进行成本函数计算,获取最低成本函数值对应的卸载动作集合。本发明实施例的卸载动作集合获取方法及装置通过迭代得到最低成本函数值对应的卸载动作集合,达到降低总能耗的技术效果。

    基于多智能体深度强化学习的干扰管理和资源分配方案

    公开(公告)号:CN113115451A

    公开(公告)日:2021-07-13

    申请号:CN202110202985.6

    申请日:2021-02-23

    IPC分类号: H04W72/04 H04W72/08

    摘要: 本发明涉及一种基于多智能体深度强化学习的干扰管理和资源分配方案,包括:最优的智能体CPU周期频率分配方案和一种新型的C‑MADDPG优化算法,最优智能体CPU周期频率分配方案可以根据优化理论生成,新型的C‑MADDPG优化算法,包括每个智能体的CPU周期频率分配方法、卸载决策、发射功率分配和信道选择方法,与现有技术相比,本发明通过提出的CPU周期频率优化方法来选取最优的CPU周期频率;当每个智能体接收到多变的、动态的和复杂的信道状态信息时,每个智能体将输出卸载决策、信道分配和发射功率选择;根据获得的奖励函数,来进行actor‑critic网络参数的调整,将得到的结果对神经网络进行间断性的训练,以使其更加稳定且快速的收敛到最优解。

    空天地网络中的计算任务卸载方法、装置和电子设备

    公开(公告)号:CN116489683B

    公开(公告)日:2023-08-18

    申请号:CN202310737201.9

    申请日:2023-06-21

    IPC分类号: H04W24/02 H04W84/06 H04B7/185

    摘要: 本发明提供了一种空天地网络中的计算任务卸载方法、装置和电子设备,涉及通信的技术领域,首先将空天地网络中计算任务的多时隙优化问题模型转化为单时隙优化问题模型,然后利用目标神经网络模型按照时间先后依次求解各个时隙的初始计算任务卸载策略,同时不断根据当前时隙的初始计算任务卸载策略和单时隙优化问题模型对目标神经网络模型进行更新,并在确定更新后的目标神经网络模型的网络参数通过区块链认证的情况下,将初始计算任务卸载策略作为当前时隙的目标计算任务卸载策略。利用该方法能够在最大化任务处理比特数目的同时,最小化空中装置的执行成本和隐私保护成本,以缓解现有空天地网络中的计算任务卸载方法存在的网络成本大的技术问题。

    邻区关系确定方法和装置

    公开(公告)号:CN114125905A

    公开(公告)日:2022-03-01

    申请号:CN202210082856.2

    申请日:2022-01-25

    摘要: 本发明提供了一种邻区关系确定方法和装置,涉及通信的技术领域,包括:获取待处理小区对中每个小区的工参信息;基于工参信息,确定待处理小区对的目标数据特征;利用预设联合神经网络模型对目标数据特征进行处理,得到待处理小区对的邻区关系;本发明提供的邻区关系确定方法是一种基于深度神经网络学习实现邻区关系预测的方案,相比传统人工配置方式,能够节约大量劳动力成本,同时由于联合神经网络模型中每个独立神经网络模型的层级结构、训练阶段所使用的训练数据和激活函数区间各不相同,所以保证了网络间的独立性、非线性和随机性,进而降低了联合神经网络模型中的多个神经网络在同一样本点误判的风险,达到提升邻区关系预测准确率的效果。

    星地融合网络中的计算任务卸载方法、装置和电子设备

    公开(公告)号:CN114884958A

    公开(公告)日:2022-08-09

    申请号:CN202210811936.7

    申请日:2022-07-12

    摘要: 本发明提供了一种星地融合网络中的计算任务卸载方法、装置和电子设备,涉及通信的技术领域,包括:获取星地融合网络中目标边缘网络内所有地面装置的任务状态参数;利用目标神经网络模型对所有地面装置的任务状态参数进行处理,得到每个地面装置的配置参数;其中,目标神经网络模型是基于目标边缘网络的计算任务传输开销计算模型训练的,且计算任务传输开销计算模型的目标为计算任务的传输开销最小;基于所有地面装置的配置参数确定目标边缘网络的计算任务卸载策略;基于计算任务卸载策略,对目标边缘网络中的所有待执行计算任务进行卸载。该方法能够有效的对抗时变信道增益和随机任务到达,在满足用户服务质量的前提下最小化计算任务的传输开销。

    空天地网络中的计算任务卸载方法、装置和电子设备

    公开(公告)号:CN116489683A

    公开(公告)日:2023-07-25

    申请号:CN202310737201.9

    申请日:2023-06-21

    IPC分类号: H04W24/02 H04W84/06 H04B7/185

    摘要: 本发明提供了一种空天地网络中的计算任务卸载方法、装置和电子设备,涉及通信的技术领域,首先将空天地网络中计算任务的多时隙优化问题模型转化为单时隙优化问题模型,然后利用目标神经网络模型按照时间先后依次求解各个时隙的初始计算任务卸载策略,同时不断根据当前时隙的初始计算任务卸载策略和单时隙优化问题模型对目标神经网络模型进行更新,并在确定更新后的目标神经网络模型的网络参数通过区块链认证的情况下,将初始计算任务卸载策略作为当前时隙的目标计算任务卸载策略。利用该方法能够在最大化任务处理比特数目的同时,最小化空中装置的执行成本和隐私保护成本,以缓解现有空天地网络中的计算任务卸载方法存在的网络成本大的技术问题。

    空天地网络中的计算任务卸载方法、装置和电子设备

    公开(公告)号:CN114884957B

    公开(公告)日:2022-09-23

    申请号:CN202210811924.4

    申请日:2022-07-12

    摘要: 本发明提供了一种空天地网络中的计算任务卸载方法、装置和电子设备,涉及通信的技术领域,包括:获取空天地网络中计算任务的多时隙问题模型、所有地面用户在每个时隙的通信状态信息和每个时隙下浮空平台的位置信息;多时隙问题模型的目标为最大化计算任务的速率和;将多时隙问题模型转化为单时隙问题模型,利用目标神经网络模型求解每个地面用户在目标时隙的计算任务卸载比例和选定的浮空平台信息;求解目标地面用户在目标时隙的发射功率、CPU周期频率和收集的能量,从而确定出计算任务的卸载策略。该方法能够有效的对抗时变信道增益、随机任务到达和动态浮空平台变换,确保计算任务的速率和最大化,提升空天地网络中的资源利用率。