公开(公告)号：CN117062025B

公开(公告)日：2024-07-02

申请号：CN202311210900.4

申请日：2023-09-19

申请人： 重庆邮电大学

发明人： 刘倩 ,  祁智 ,  刘期烈 ,  王四洪

IPC分类号： H04W4/40 ,  H04W4/44 ,  H04W28/08

摘要： 本发明属于车联网领域，具体涉及一种车联网节能联合计算卸载与资源分配方法，所述包括提出了一种协同感知的数据融合体系结构，将来自RSU和车辆的感知数据进行数据融合处理。面向数据融合计算任务，提出了一种改进的K均值任务分类算法对任务进行预分类。然后针对需要将任务卸载到卸载节点的车辆，提出了一个具有长期时延约束和长期能耗约束的排队时延最小化问题，并利用李雅普诺夫优化方法将长期时延约束和长期能耗约束转化为队列稳定性问题。最后将其卸载过程建模为马尔可夫决策过程模型，利用DDQN算法找到最优的计算卸载与计算资源分配决策。

公开(公告)号：CN117062025A

公开(公告)日：2023-11-14

申请号：CN202311210900.4

申请日：2023-09-19

申请人： 重庆邮电大学

发明人： 刘倩 ,  祁智 ,  刘期烈 ,  王四洪

IPC分类号： H04W4/40 ,  H04W4/44 ,  H04W28/08

摘要： 本发明属于车联网领域，具体涉及一种车联网节能联合计算卸载与资源分配方法，所述包括提出了一种协同感知的数据融合体系结构，将来自RSU和车辆的感知数据进行数据融合处理。面向数据融合计算任务，提出了一种改进的K均值任务分类算法对任务进行预分类。然后针对需要将任务卸载到卸载节点的车辆，提出了一个具有长期时延约束和长期能耗约束的排队时延最小化问题，并利用李雅普诺夫优化方法将长期时延约束和长期能耗约束转化为队列稳定性问题。最后将其卸载过程建模为马尔可夫决策过程模型，利用DDQN算法找到最优的计算卸载与计算资源分配决策。

公开(公告)号：CN117499484A

公开(公告)日：2024-02-02

申请号：CN202311424653.8

申请日：2023-10-30

申请人： 重庆邮电大学

发明人： 刘倩 ,  王四洪 ,  刘期烈 ,  祁智

IPC分类号： H04L67/5682 ,  H04W24/02 ,  H04W24/06 ,  H04L41/16

摘要： 本发明属于通信技术领域，具体涉及一种基于深度强化学习的边缘缓存替换方法，包括：构建系统网络模型；获取系统网络模型中MEC服务器的缓存状态，根据MEC服务器的缓存状态计算单个用户获取缓存内容的总时延；根据单个用户的缓存内容总时延计算所有用户获取内容的总时延；根据用户获取内容的总时延构建优化目标函数；根据目标函数构建马尔科夫决策；根据马尔科夫决策采用基于深度强化学习的动态内容替换算法对MEC服务器的缓存进行替换；本发明针对流行度动态变化场景，结合深度强化学习技术制定一个动态内容缓存替代方案，根据MEC服务器的缓存空间的情况，使系统可以得到最小的用户获取内容的平均时延和并找到最合适的缓存替换策略。