公开(公告)号：CN116528298A

公开(公告)日：2023-08-01

申请号：CN202310518607.8

申请日：2023-05-10

申请人： 桂林电子科技大学

发明人： 王波 ,  王旭 ,  黄冬艳 ,  郭成瑞 ,  谢心颖 ,  吕佳奇 ,  卢泽林 ,  方宇航 ,  谢杰成

IPC分类号： H04W28/08 ,  H04B7/185 ,  H04W72/0453 ,  H04W16/22

摘要： 本发明公开了一种大范围灾区中基于LEO卫星与HAP协作的计算卸载策略，该策略是先在卸载决策的方案下，采用合作博弈算法为任务分配子载波资源；然后将卸载到边缘服务器的任务以最大化系统QoE值为目标进行资源竞争，实现计算资源的最佳分配；最后，将卸载决策问题证明为一个势博弈过程，并利用多用户博弈计算卸载（Multi‑user Game Computing Offloading,MUGCO）算法找到了纳什均衡下的卸载决策方案。仿真结果表明，所提策略相较于对比策略，可以有效提高系统的总QoE值。

公开(公告)号：CN116600344A

公开(公告)日：2023-08-15

申请号：CN202310443772.1

申请日：2023-04-20

申请人： 桂林电子科技大学

发明人： 王波 ,  郭城瑞 ,  黄冬艳 ,  王旭 ,  谢心颖 ,  吕佳齐 ,  卢泽林 ,  方宇航 ,  谢杰成

IPC分类号： H04W28/08 ,  H04W84/06

摘要： 本发明公开了一种具有电力成本差异的多层MEC资源卸载方法，该方法是先建立具有电力成本差异的多层MEC资源的网络模型；然后建立不同资源层次下的通信模型和计算模型；利用基于NOMA的子信道用户重组算法，对信道资源进行分配；最后利用基于Q‑Learning的计算卸载和资源分配算法，将优化问题转化为等效的强化学习问题，通过对智能体的训练，使Q表收敛，以此指导基站智能体的卸载决策。以最小化所有用户时间成本和卸载成本的加权和为优化目标，通过联合卸载决策和资源分配将问题表述为一个混合整数规划问题，并提出基于NOMA和Q‑Learning的优化传输与卸载的求解方案。仿真结果表明，本申请的多层MEC架构要优于传统单层MEC架构，同时验证了本算法在求解中要优于其他基本算法。

公开(公告)号：CN115988570A

公开(公告)日：2023-04-18

申请号：CN202211141040.9

申请日：2022-09-20

申请人： 桂林电子科技大学

发明人： 王波 ,  谢杰成 ,  黄冬艳 ,  谢心颖 ,  王旭 ,  吕佳奇 ,  卢泽林

IPC分类号： H04W28/08 ,  H04B7/185

摘要： 本发明公开了一种低轨卫星边缘计算系统基于TDMA的计算卸载方法，该方法基于TDMA联合优化卸载决策和任务卸载序列策略，将任务卸载序列问题建模成一个总流经时间最小化的双机流水线问题，利用Liu和Reeves提出的启发式（LR）算法最小化总时延，基于匹配理论和联盟博弈论来解决卸载决策问题，利用改进的GS算法和联盟博弈迭代算法求解，仿真结果表明，所提策略相较于对比策略，可以有效降低系统的时延和能耗。

公开(公告)号：CN115551015A

公开(公告)日：2022-12-30

申请号：CN202211141042.8

申请日：2022-09-20

申请人： 桂林电子科技大学

发明人： 王波 ,  谢杰成 ,  黄冬艳 ,  王旭 ,  谢心颖 ,  卢泽林 ,  吕佳奇

IPC分类号： H04W28/08 ,  H04W16/10 ,  H04W84/06 ,  H04W72/04 ,  H04B7/185 ,  H04L27/26

摘要： 本发明公开了一种低轨卫星边缘计算系统基于OFDMA的计算卸载方法，该方法基于OFDMA联合优化卸载决策和动态资源分配策略，根据当前时刻LEO卫星服务的任务数量动态分配计算资源和带宽资源，基于匹配理论和联盟博弈论来解决卸载决策问题，利用改进的GS（Gale‑Shapley）算法和联盟博弈迭代算法求解，仿真结果表明，所提策略相较于对比策略，可以有效降低系统的时延和能耗。

公开(公告)号：CN118842500A

公开(公告)日：2024-10-25

申请号：CN202410777265.6

申请日：2024-06-17

申请人： 桂林电子科技大学

发明人： 王波 ,  卢泽林 ,  黄冬艳 ,  吕佳奇 ,  方宇航 ,  卢锐

IPC分类号： H04B7/185 ,  H04W24/02 ,  H04W52/02 ,  H04W52/22 ,  H04W52/34 ,  H04W52/46 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N5/01 ,  G06N20/20 ,  G06F18/243 ,  H04W84/06

摘要： 本发明公开了一种基于数据预测匹配的LEO卫星绿色能量管理策略。首先利用历史数据通过CNN‑LSTM和LSTM‑RF算法预测LEO卫星在轨道周期内的太阳能辐射能量和业务需求能量；其次采用李亚普诺夫理论构建能量规划问题模型，并引入MPC算法辅助在每个时隙重新优化决策，以实现能量供应与业务需求的高效匹配。以利用AEME指标，用于评估不同算法在单位时隙内的能量匹配误差。经仿真实验验证，Lyapunov‑MPC算法对比博弈论算法、贪婪算法和粒子群优化算法的匹配精度分别提高了396.36%、559.81%和626.72%。本发明所提出的匹配决策算法效果具有明显优势，大幅提升了LEO卫星的能量利用效率。

公开(公告)号：CN118175648A

公开(公告)日：2024-06-11

申请号：CN202410254798.6

申请日：2024-03-06

申请人： 桂林电子科技大学

发明人： 王波 ,  郭城瑞 ,  黄冬艳 ,  谢心颖 ,  王旭 ,  吕佳齐 ,  卢泽林 ,  方宇航 ,  卢锐

IPC分类号： H04W72/52 ,  H04W72/542 ,  H04W72/044 ,  H04W72/1268 ,  H04W72/21

摘要： 本发明公开了一种基于深度强化学习的多智能体负载感知卸载策略，该策略是在“边‑星‑云”三层算力网络架构中，本地边缘层采用电网供电，低轨卫星层采用太阳能供电，远端云层采用水能、风能等多种清洁能源混合供电，其电价取决于能源的种类。UE可以通过邻近的智能基站(Agent Base Station,ABS)将计算任务卸载到算力层。在确保多层算力资源负载均衡的基础上，实现单位时间周期内ABS的平均累计成本最小。仿真结果表明，与其他基准策略相比，本文所提策略的平均累计成本降低约14.08%，负载方差降低约67.14%。