“王书墨”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种实时性领域的多优先级硬件定时器-CN202310798367.1在审
发明人： 王书墨;倪仁涛;冯庆巍;邓庆绪;刘向峰;邱芃尧;张皓天 -专利权人：东北大学
申请日： 2023-07-03 - 公布日： 2023-10-03 - 主分类号： G06F9/30 文献下载
摘要：本发明的一种实时性领域的多优先级硬件定时器，包括定时器单元和优先级控制单元；定时器单元包括：计时模块和多个比对寄存器；计时模块和每个比对寄存器构成一个硬件定时器，当计时模块中的值大于或等于比对寄存器的值时产生中断信号；优先级控制单元包括：中断仲裁模块、低优先级屏蔽寄存器、计时使能寄存器、定时器ID寄存器和优先级配置寄存器；计时器使能寄存器对计时模块进行使能；优先级配置寄存器用于配置比对寄存器的优先级；低优先级屏蔽寄存器用于屏蔽低优先级的中断信号；中断仲裁模块用于对硬件定时器的中断信号进行仲裁，经过中断仲裁后将定时器ID寄存器内容更新为优先级最高的硬件定时器的ID号，将该中断信号转发给处理器。
一种实时领域优先级硬件定时器

[发明专利]基于深度强化学习的联合计算迁移和无人机轨迹优化方法-CN202310901455.X在审
发明人： 王书墨;宋铁成;胡静;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-07-20 - 公布日： 2023-09-29 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了一种基于深度强化学习的联合计算迁移和无人机轨迹优化方法，属于无人机辅助车联网的边缘计算领域，考虑无人机辅助车辆移动边缘计算的场景，利用深度强化学习优化策略优化每一个时隙每个无人机选择服务的用户以及任务卸载比率，无人机飞行角度和飞行速度，进而减少系统时延，同时提高无人机服务车辆的公平性。本发明使用多智能体双延迟深度确定性策略梯度算法可以有效解决计算迁移和无人机轨迹的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
基于深度强化学习联合计算迁移无人机轨迹优化方法

[发明专利]一种无人机辅助的异构车联网任务迁移与资源分配方法-CN202210744842.2有效
发明人：宋晓勤;王书墨;宋铁成;彭昱捷;杨雨露 -专利权人：东南大学深圳研究院
申请日： 2022-06-28 - 公布日： 2023-05-05 - 主分类号： H04L67/10 文献下载
摘要：本发明提出一种无人机辅助的异构车联网任务迁移与资源分配方法，该方法针对移动边缘服务器和无人机协同计算卸载的场景，首先通过势博弈得到车辆是否卸载的决策，即车辆决定本地计算，还是卸载到MEC服务器或无人机计算。对决定任务卸载的车辆，采用分布式的资源分配方法，不需要基站集中调度信道状态信息，将每辆决定任务卸载的车辆视为智能体，通过DDQN训练深度深度强化学习，每辆决定任务卸载的车辆基于本地观察状态信息来选择卸载节点和发射功率。该算法能够在最大发射功率的限制下，最小化系统时延，在复杂度和性能之间取得了很好的平衡。
一种无人机辅助异构车联网任务迁移资源分配方法

[发明专利]一种基于车路云协同的联合计算迁移和资源分配方法-CN202110659780.0有效
发明人： 王书墨;柴新越;彭昱捷;王合伟;宋晓勤;程梦倩;陈权 -专利权人：南京航空航天大学
申请日： 2021-06-15 - 公布日： 2023-04-18 - 主分类号： H04W4/44 文献下载
摘要：本发明公开了一种基于车路云协同的联合计算迁移和资源分配方法，移动边缘设备部署在路侧，利用深度强化学习优化策略获得最优的车用户无线接入方式、信道分配和发射功率联合优化策略，车用户通过选择合适的无线接入方式、发射功率和信道，在满足计算迁移链路服务质量要求下，最小化系统时延。本发明使用深度确定性策略梯度算法可以有效解决车选择无线接入方式、用户信道分配和功率选择的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
一种基于车路云协同联合计算迁移资源分配方法

[发明专利]一种基于多用户博弈与联邦学习的车联网计算卸载方法-CN202210744843.7在审
发明人：徐博文;宋晓勤;宋铁成;王书墨;张文静 -专利权人：东南大学深圳研究院
申请日： 2022-06-28 - 公布日： 2022-09-30 - 主分类号： H04W4/44 文献下载
摘要：本发明提出的一种基于多用户博弈与联邦学习的车联网计算卸载方法，采用二进制卸载的方式对信道和功率进行选择，利用势博弈算法和联邦学习算法共同优化深度Q网络，通过这种方式选择的信道与发射功率可以有效降低整个系统的总开销，即减小服务时延、降低系统能量损耗。本发明使用的势博弈算法可以使用户车辆在训练之前就获得近最优的卸载决策，让深度Q网络更有效地收敛，经过训练的智能体能在特定环境中做出对整体最有利的卸载决策，降低系统开销，且经过联邦学习优化后的深度Q网络训练出的模型能够很好地适应于更多用户的场景，具备一定的鲁棒性。
一种基于多用户博弈联邦学习联网计算卸载方法

[发明专利]一种基于势博弈的车联网计算卸载与功率优化方法-CN202210710038.2在审
发明人： 王书墨;宋晓勤;宋铁成;彭昱捷;杨雨露 -专利权人：东南大学深圳研究院
申请日： 2022-06-22 - 公布日： 2022-09-13 - 主分类号： H04W4/40 文献下载
摘要：本发明提出一种基于势博弈的车联网计算卸载与功率优化方法，有剩余计算资源的车辆可以作为车载云服务器为其他车辆提供计算资源，V2I链路和V2V链路通过5G切片技术接入不同切片互不干扰。首先通过势博弈得到任务请求车辆的卸载决策，即任务请求车辆决定本地计算，卸载到MEC服务器，卸载到距离任务请求车辆最近的车载云服务器。对决定任务卸载的任务请求车辆，基于深度强化学习，采用分布式的资源分配方法，不需要基站集中调度信道状态信息，将每辆决定任务卸载的任务请求车辆视为智能体，基于本地观察状态信息来选择发射功率。该算法能够在最大发射功率的限制下，最小化系统时延。本发明使用势博弈和DDPG算法相结合可以有效解决移动边缘服务器和车载云服务器协同计算卸载场景下的卸载决策和功率优化的联合问题，可以在一系列连续状态空间的优化中表现稳定。
一种基于博弈联网计算卸载功率优化方法

[发明专利]一种采用深度确定性策略梯度算法的5G车联网V2V资源分配方法-CN202110273529.0有效
发明人： 王书墨;宋晓勤;柴新越;缪娟娟;王奎宇 -专利权人：南京航空航天大学
申请日： 2021-03-12 - 公布日： 2022-04-08 - 主分类号： H04W4/44 文献下载
摘要：本发明提出一种基于深度确定性策略梯度(DDPG)算法的车对车(V2V)通信资源分配方法，V2V通信使用网络切片技术接入5G网络，利用深度强化学习优化策略获得最优的V2V用户信道分配和发射功率联合优化策略，V2V用户通过选择合适的发射功率和信道，来降低V2V链路之间的相互干扰，在满足链路延迟约束下，最大化V2V链路的系统总吞吐量。本发明使用DDPG算法可以有效解决V2V用户信道分配和功率选择的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
一种采用深度确定性策略梯度算法联网 v2v 资源分配方法

[发明专利]一种基于深度强化学习的低时延高可靠性V2V资源分配方法-CN202110273591.X有效
发明人：缪娟娟;宋晓勤;王书墨;张昕婷;雷磊 -专利权人：南京航空航天大学
申请日： 2021-03-12 - 公布日： 2022-04-08 - 主分类号： H04W4/46 文献下载
摘要：本发明提出的一种基于深度强化学习的低时延高可靠性资源分配方法，考虑了处于基站覆盖范围外的NR‑V2X侧链资源分配，其中车辆根据自己观测到的信息以及在训练阶段得到的Q网络调度5G网络中供V2V用户使用的URLLC切片资源。为了最大化V2V通信的能量效率，并且保证通信的可靠性以及时延要求，提出了一种使用集中式训练、分布式执行的深度强化学习架构，借助DDQN学习方法训练出满足上述要求的模型。将资源分配问题中目标和约束的建模都转化为深度强化学习中收益的设计，可以有效解决V2V用户信道分配和功率选择的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
一种基于深度强化学习低时延高可靠性 v2v 资源分配方法

1
共 8 条