-
公开(公告)号：CN118200325A
公开(公告)日：2024-06-14
申请号：CN202410302749.5
申请日：2024-03-18
申请人： 天津理工大学
IPC分类号： H04L67/1023 , H04L41/16 , H04B7/185
摘要： 一种基于无人机辅助的边缘计算卸载方法，属于物联网领域。针对突发自然灾害或事故等通讯基础设施无法正常工作的极端情况，对无人机辅助移动设备卸载策略生成过程中的边缘计算关键技术进行了研究。针对移动设备卸载策略生成问题，考虑将无人机和边缘计算服务车均可以作为辅助卸载设备，帮助移动设备分担计算任务。首先对任务模型进行了建模，分别分析了在本地计算、无人机计算和边缘计算服务车计算所产生的时间和能量消耗，以最小化时间和能量消耗为目标，提出使用基于双延迟深度确定性策略梯度的深度强化学习方法来优化卸载策略。发明使用的算法可以显著的降低时延和能耗，尤其对于搜救机器人来说，可以增加续航时间和搜索能力，具有较大的实用价值。
-
公开(公告)号：CN116347555A
公开(公告)日：2023-06-27
申请号：CN202310181915.6
申请日：2023-03-01
申请人： 天津理工大学
摘要： 一种基于Laying‑Chicken策略的高效信息传播路由协议，属于物联网领域。为克服传统车辆网络的缺点及现有路由协议的局限，提供高效的交通信息传播路由协议，提出了一种基于Laying‑Chicken策略的高效信息传播路由协议(EID‑LC)，该协议将数据包转发到最优路由上进行信息传播。首先，挑选出满足连通概率(PC)以及信噪比(SINR)约束的路径作为候选路由，为了从候选路由中选出最优路由，设计了一个离散优化问题，利用改进的LayingChicken策略从候选路由中选择出最优路由。除此之外，本发明还提出了基于贪婪因子和交通密度的多核目标函数，用于交叉路口的智能决策。通过仿真验证表明，本发明所提出的路由协议在数据包传输率、平均端到端时延、丢包率等方面优于现有的路由解决方案。
-
公开(公告)号：CN116319710A
公开(公告)日：2023-06-23
申请号：CN202310182081.0
申请日：2023-03-01
申请人： 天津理工大学
摘要： 一种基于MAB理论的自适应车载计算任务卸载方法，属于物联网领域，本方法主要主要研究了车辆之间的任务卸载问题。由于车载任务卸载环境是动态变化的，网络拓扑和无线信道状态在不断变化。这些不确定性给任务卸载带来了额外的挑战。基于多臂老虎机(MAB)理论，设计了一种基于MAB理论的自适应车载计算任务卸载方法，使车辆能够在卸载计算任务的同时学习其相邻车辆的性能以适应动态变化的环境。最后用MATLAB进行了仿真并在真实公路场景下进行了测试，结果表明，与现有的计算任务卸载方法相比，该算法具有较低的时延性能和能耗。
-
公开(公告)号：CN110766066B
公开(公告)日：2023-06-23
申请号：CN201910993396.7
申请日：2019-10-18
申请人： 天津理工大学
IPC分类号： G06F18/214 , H04L67/12 , G06N3/08 , G06F30/27
摘要： 一种基于FNN的张量异质集成车联网缺失数据估计方法。车联网通过大量的传感器收集的数据来获得交通状况信息。然而数据缺失、异常数据等低质问题一直严重制约着车联网的发展和应用。FNNTEL方法针对大型路网数据缺失、低质异常问题，对时空多维数据集中进行鲁棒的缺失数据归算，采用张量分解数据采样新策略；首次将异质集成思想引入到交通数据归算建模中，构建张量分解的异质集成模型，既能保留交通数据的多维性，又能提取底层的多模式关联；将模糊神经网络对模型进行优化。与近年来较为先进的BGCP、HTD、XalRTC等算法相比，FNNTEL方法提高了数据缺失重构能力，降低了数据的插补误差，有效提高归算精度。
-
公开(公告)号：CN115209373A
公开(公告)日：2022-10-18
申请号：CN202210808169.4
申请日：2022-07-11
申请人： 天津理工大学
摘要： 一种基于二分图匹配策略的车联网任务卸载方法。在车辆定向移动的车辆网络模型中，车辆根据在下一个路口的转向方向被配置为三个车辆子网络。对于每个子网络，车辆间通过车对车通信方式相互通信，并通过车对基础设施通信方式与路边单元通信。此外，本方法提出了基于二分图匹配算法的任务卸载方法，将当前时刻做出任务卸载决策所对应的车辆网络构造成一个加权二分图，并通过Kuhn‑Munkres算法来求解二分图的最优匹配，最终目的是选择合适的临近车辆/边缘服务器作为卸载节点，最小化来自车辆的任务时延。仿真实验结果表明，本发明提出的车辆网络模型结合算法具有较好的性能，可以显著减少车联网在处理任务和上传数据时的传输延迟和丢包率。
-
公开(公告)号：CN114637552A
公开(公告)日：2022-06-17
申请号：CN202210231849.4
申请日：2022-03-09
申请人： 天津理工大学
IPC分类号： G06F9/445 , G06F30/20 , G05B13/04 , G06F111/04
摘要： 一种基于模糊逻辑策略的雾计算任务卸载方法，属于物联网领域，用于高效地卸载智能设备上的任务。包括如下步骤：第1、系统模型的构建：第1.1、车辆雾计算任务卸载模型；第1.2、任务卸载通信模型；第1.3、任务卸载计算模型；第1.4、问题公式化；第2、基于模糊逻辑的Q学习任务卸载算法：第2.1、基于模糊逻辑的车辆权重计算；第2.2、雾计算任务卸载方法设计。本发明在满足任务最大容忍时延和资源可用性的约束条件下，将任务卸载到雾化车辆,减少路边单元的能耗以及响应时间，提高用户服务质量(QoS)。实验表明，本文提出的任务卸载策略相比于其他算法有着更好的性能。
-
公开(公告)号：CN112835637B
公开(公告)日：2022-05-17
申请号：CN202110102608.5
申请日：2021-01-26
申请人： 天津理工大学
IPC分类号： G06F9/445 , G06F9/50 , G06F30/20 , G06F111/04 , G06F111/06 , G06F111/08 , G06F119/08
摘要： 一种面向车辆用户移动边缘计算的任务卸载方法，属于物联网领域，本方法主要考虑在拥有多个路边设备RSU的十字路口，并且每个路边设备都配置有MEC服务器，可以为移动用户提供计算卸载的服务，位于MEC服务器群周围的移动设备可以通过任意一个服务器进行任务的卸载，通过用户卸载效用，综合考虑车辆用户的任务计算时间以及能量消耗，使用模拟退火算法优化用户的任务卸载决策，得到当前环境下任务卸载效用最高的方案，实验证明该方法在降低计算任务时间的同时有效减少了能耗。
-
公开(公告)号：CN114449530A
公开(公告)日：2022-05-06
申请号：CN202210241594.X
申请日：2022-03-11
申请人： 天津理工大学
摘要： 一种基于多目标优化策略的边缘计算服务迁移方法，在蜂窝网络中部署移动边缘计算服务所面临的一个挑战是支持用户的移动性，特别是移动速度较快时，使卸下的任务能够在不影响资源利用效率和链路可靠性的情况下，在基站之间进行无缝迁移。在服务迁移场景中，需要解决三个问题：当用户设备通过相邻边缘计算服务器时，是否需要迁移该用户设备对应的虚拟机；如果虚拟机决定迁移，它应该迁移到哪个边缘计算服务器；如何找到用户设备与对应虚拟机之间的最佳通信路径。考虑了虚拟化、虚拟机之间的I/O干扰以及多用户访问干扰等问题，提出一种基于松弛和舍入的新方法，最大限度的提高整体服务质量和最小化迁移成本。实验结果表明，本发明能够在真实场景中做出最优决策。
-
公开(公告)号：CN113973113A
公开(公告)日：2022-01-25
申请号：CN202111254199.7
申请日：2021-10-27
申请人： 天津理工大学
IPC分类号： H04L67/1008 , H04L67/1023 , G06F9/50 , G06N3/04 , G06N3/08
摘要： 一种面向移动边缘计算的分布式服务迁移方法，属于物联网领域。本方法研究了移动边缘计算MEC中移动管理问题。当设备处在移动状态时，需要在多个边缘服务器之间动态迁移计算任务来保持服务的连续性。由于移动的不确定性，频繁的迁移会增加成本和延迟，不迁移会导致服务中断。因而，在多代理深度强化学习MADRL中，引入了一个自适应权重的深度确定性策略梯度AWDDPG算法来优化多用户任务迁移的成本和延迟，使用集中式训练分布式执行的方法解决任务迁移时的高维度问题。大量实验表明，我们提出的算法与相关算法相比大大降低了服务延迟和迁移成本。
-
公开(公告)号：CN112995289A
公开(公告)日：2021-06-18
申请号：CN202110156669.X
申请日：2021-02-04
申请人： 天津理工大学
摘要： 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法，属于车联网领域，将计算任务切分成小的有依赖关系且可并行处理的子任务，提出相应的时延与能耗模型。构建了车联网计算任务卸载的约束多目标优化模型，使用非支配排序遗传策略(NSGS)来优化目标函数,对于车联网中计算任务卸载问题提出新的非支配关系与约束。此外，进行了一系列的实验，并与其他的卸载方法进行了比较。实验结果证明了本发明提出使用非支配排序遗传策略解决计算任务卸载的时延与能耗问题，与其他的卸载方法相比有更好的性能，具有一定的实用价值。
-
-
-
-
-
-
-
-
-
搜索结果
73 条记录 (耗时 0.048 秒)