-
公开(公告)号：CN111885155B
公开(公告)日：2021-06-18
申请号：CN202010711281.7
申请日：2020-07-22
申请人： 大连理工大学
摘要： 本发明公开了一种车联网资源融合的车载任务协作迁移方法，首先构建结合软件定义网络技术的两层网络框架，并通过软件定义网络技术实时获得全局信息并计算各设备的计算资源租赁价格和集体通信矩阵。将最大化单位租金所能获得的服务质量作为优化目标确定优化问题构建函数；而后通过深度强化学习中算法求解最优调度方案，将计算得的任务迁移决策和所需数据获取决策由软件定义网络控制器向各设备传递，进行相应的任务迁移和数据传输操作，从而延长整体集群的生存周期。本发明在边缘设备资源有限的情况下，为能源将耗尽的电动车的待执行任务提供了协作迁移方案，从而延长电动车的生存时间至到达下一个充电桩充电，为车联网中的任务调度问题提供新思路。
-
公开(公告)号：CN111182048B
公开(公告)日：2021-06-18
申请号：CN201911353245.1
申请日：2019-12-25
申请人： 大连理工大学
摘要： 本发明公开了一种基于区块链使能的群智感知的智能交通管理方法，引入区块链、群智感知、边缘计算和5G技术建立终端‑边缘‑远端管理三层智能交通管理框架；对交通管理的安全性、延迟以及用户效用进行抽象并建立最大化交通管理安全性和用户效用以及最小化交通管理延迟的多目标优化模型；将上述多目标优化模型分解为三个子模型，分别是区块链优化、车辆任务计算以及基站子信道分配；设计基于深度强化学习的方法求解区块链优化子模型；利用分布式交替方向乘子法求解车辆任务计算子模型；设计双边匹配算法解决基站的子信道分配子模型。本发明提出了一种新的智能交通管理系统，为设计安全、高效、可行的智能交通管理系统提供了一种新的解决方案。
-
公开(公告)号：CN111127936B
公开(公告)日：2021-04-20
申请号：CN201911354241.5
申请日：2019-12-25
申请人： 大连理工大学
IPC分类号： G08G1/123
摘要： 本发明公开了一种共享巴士的动态车辆调度和线路规划方法，抽象实际公交公司的运营成本以及乘客的出行体验并建立多目标优化模型；根据共享巴士的真实应用区域以及道路网路提取适合共享巴士运行的交通拓扑；基于提取的交通拓扑利用改进的局部搜索算法生成共享巴士的候选线路集；设计离线算法解决具有相似客流规律应用场景的共享巴士调度和线路规划问题；设计在线算法解决具有动态、实时客流的应用场景的共享巴士调度和线路规划问题。本发明提供了共享巴士的动态调度和线路规划新方法，真正解决共享巴士公司面临的运营成本和乘客出行体验之间的矛盾，为共享巴士公司的车辆调度和线路规划提供一种新的有效方案。
-
公开(公告)号：CN111565420A
公开(公告)日：2020-08-21
申请号：CN202010263998.X
申请日：2020-04-07
申请人： 大连理工大学
摘要： 本发明属于工业物联网技术领域，公开了一种移动区块链中智能资源分配方法。具体地，通过区块链和移动边缘计算技术建立用于在移动设备交易过程中保护其隐私和数据安全的移动区块链框架，其包含了三个模块：移动区块链模块、任务卸载模块和决策制定模块；对系统中设备的效用进行建模，并建立小基站带宽以及算力资源联合分配模型；将上述联合分配模型分解为两个子模型，分别为带宽分配子模型和算力分配子模型；设计深度强化学习与粒子群优化结合的方法求解带宽分配子模型和算力分配子模型。本发明提出了一种保护移动设备隐私和数据安全的移动区块链框架，并为带宽和算力资源联合分配问题提供了一种新的解决方案。
-
公开(公告)号：CN110213796A
公开(公告)日：2019-09-06
申请号：CN201910448363.4
申请日：2019-05-28
申请人： 大连理工大学
摘要： 本发明公开了一种车联网中的智能资源分配方法，将人工智能算法应用于解决车辆网中的资源分配问题，从而最大化网络运营商的收益。具体地，建立基站——路边节点联合车辆边缘计算和缓存资源调度框架为车辆分配请求的资源；结合运营商收入和用户体验质量建立网络运营商收益函数评估资源分配问题，建立联合优化问题最大化网络运营商收益；通过深度强化学习求解上述联合优化问题，得到智能化的任务调度和资源分配方案，并将得到的方案布置在智能化控制系统中，对车辆请求和服务器资源进行智能化的调度和安排。本发明的车联网中的智能资源分配方法能够在考虑用户体验的同时，最大化网络运营商收益，为人工智能在实际化应用提供了一个新的思路和角度。
-
公开(公告)号：CN111182495A
公开(公告)日：2020-05-19
申请号：CN201911353266.3
申请日：2019-12-25
申请人： 大连理工大学
摘要： 本发明公开了一种5G车联网部分计算卸载方法。本发明协同考虑运营商的利益和用户的激励兼容性和个人理性，对计算卸载的传输开销和计算开销进行建模，以最大化运营商和用户的整体效用为目标描述优化问题。该优化问题分为三个子问题。为了最小化传输延迟开销，本发明利用双边匹配算法求解最优信道分配策略。进而通过凸优化获得最优卸载比率。最后，本发明构建非合作博弈来决定边缘计算服务定价，该定价机制在最大化整体效用的同时，确保了用户的个人利益，实现了用户与运营商之间的均衡。本发明提供了5G车联网下部分计算卸载的一种新方法。
-
公开(公告)号：CN111124647A
公开(公告)日：2020-05-08
申请号：CN201911354245.3
申请日：2019-12-25
申请人： 大连理工大学
摘要： 本发明属于车辆交通技术领域，提供了一种车联网中的智能边缘计算方法，构建具有计算和缓存能力的层次化VEC系统服务框架，联合考虑车辆—服务器计算卸载策略、服务器—服务器任务卸载策略和服务器—车辆任务下载策略建立系统时延最小化目标函数；寻找优化函数上确界并分解成路边节点—路边节点部分以及车辆—路边节点部分；求解两部分并获得目标函数最优解；最后，根据最优解由系统控制中心向车辆和路边节点发送信号，进行计算卸载和内容下载。本发明的方法在复杂车流状况下最小化车辆应用的执行时间，考虑到实际情境中用户数据隐私性，本发明采用在线的方式实时处理用户请求，更加适用于车联网中的高动态的拓扑变化和实时性的资源分配。
-
公开(公告)号：CN112364507B
公开(公告)日：2022-11-18
申请号：CN202011251735.3
申请日：2020-11-10
申请人： 大连理工大学
IPC分类号： G06F30/20 , G06F9/50 , G06K9/62 , G06F111/04
摘要： 本发明公开了一种基于移动边缘计算的分布式动态服务部署方法，考虑到用户的高移动性和边缘服务器存储能力有限，在保证服务器存储队列稳定性的同时最大化长期系统效用，实现移动边缘网络环境下高效卸载。本发明利用利用李雅普诺夫优化将长期系统效用最大化问题分解为在线李雅普诺夫漂移加惩罚函数最小化问题。在没有用户未来移动轨迹的先验知识的情况下，未来的系统效用通过采样平均近似算法获得。此外，本发明引入服务部署概率分布，利用马尔可夫近似模型动态部署服务请求数据。理论分析表明本发明提出的混合策略服务部署决策为渐进最优解。本发明为分布式动态服务数据部署提供了一种新方法。
-
公开(公告)号：CN110213796B
公开(公告)日：2021-08-06
申请号：CN201910448363.4
申请日：2019-05-28
申请人： 大连理工大学
摘要： 本发明公开了一种车联网中的智能资源分配方法，将人工智能算法应用于解决车辆网中的资源分配问题，从而最大化网络运营商的收益。具体地，建立基站——路边节点联合车辆边缘计算和缓存资源调度框架为车辆分配请求的资源；结合运营商收入和用户体验质量建立网络运营商收益函数评估资源分配问题，建立联合优化问题最大化网络运营商收益；通过深度强化学习求解上述联合优化问题，得到智能化的任务调度和资源分配方案，并将得到的方案布置在智能化控制系统中，对车辆请求和服务器资源进行智能化的调度和安排。本发明的车联网中的智能资源分配方法能够在考虑用户体验的同时，最大化网络运营商收益，为人工智能在实际化应用提供了一个新的思路和角度。
-
公开(公告)号：CN112364507A
公开(公告)日：2021-02-12
申请号：CN202011251735.3
申请日：2020-11-10
申请人： 大连理工大学
IPC分类号： G06F30/20 , G06F9/50 , G06K9/62 , G06F111/04
摘要： 本发明公开了一种基于移动边缘计算的分布式动态服务部署方法，考虑到用户的高移动性和边缘服务器存储能力有限，在保证服务器存储队列稳定性的同时最大化长期系统效用，实现移动边缘网络环境下高效卸载。本发明利用利用李雅普诺夫优化将长期系统效用最大化问题分解为在线李雅普诺夫漂移加惩罚函数最小化问题。在没有用户未来移动轨迹的先验知识的情况下，未来的系统效用通过采样平均近似算法获得。此外，本发明引入服务部署概率分布，利用马尔可夫近似模型动态部署服务请求数据。理论分析表明本发明提出的混合策略服务部署决策为渐进最优解。本发明为分布式动态服务数据部署提供了一种新方法。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.025 秒)
