买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开了一种车载边缘计算网络场景下人工智能生成系统效用最大化的激励机制，其属于移动边缘计算技术领域，方法包括：步骤1、构建信息全对称的动态车载边缘计算网络模型；步骤2、设计一种基于合同的激励机制，针对参与者的不同成本属性制定奖励政策，并通过运用双层Stackelberg博弈过程激励系统效用向纳什均衡靠拢；步骤3、在信息不对称情况下，设计基于深度强化学习的服务器定价机制来激励系统效用达到纳什均衡。与现有激励机制不同，本发明提出的激励机制能够有效降低车载终端闲置资源的浪费，综合考虑任务的计算时延与传输时延对系统全局所带来的影响，有效保证了服务质量。

主权项：1.一种车载边缘计算网络场景下人工智能生成系统效用最大化的激励机制，其特征在于包含如下步骤：1车载边缘计算网络场景下边缘计算系统由用户、M个边缘服务器和N个配备或未配备人工智能生成技术服务器的车载终端组成。用户在向边缘服务器发布生成式人工智能任务需求后，边缘服务器可能会面临任务堵塞、排队情况。此时边缘服务器会将一部分来不及计算的任务分配给同样携带有小型生成式人工智能服务器的车载终端，并对车载终端提供基于资源类型的奖励条款来激励车载终端共享自身的资源。车载终端如果接受边缘服务器的雇用，会利用自身的计算资源完成任务需求的计算，并同时承担任务的回传工作。即在整个服务分配过程中，车载终端同时共享自身的计算资源与通信资源。2在系统模型设计中车载终端共享给边缘服务器的资源被分为两部分，分别为计算任务所需的计算资源与传输任务所需的通信资源。在服务分配与资源共享过程中，边缘服务器的收益为节省时间的收益减去分发给车载终端的货币奖励，车载终端的收益为边缘服务器提供的货币奖励减去自身消耗的计算或通信资源。3在信息不对称情况下，设计基于深度强化学习的服务器定价机制来激励系统效用达到纳什均衡。在完全信息共享的场景中，每个用户都需要了解其他用户的信息，例如资源定价pn和共享收益hn等。然而，在实际场景中获取这些信息是不现实的，因为用户可能会出于隐私考虑而拒绝披露这些参数。此外，用户的物理参数是时变的，这使得一个用户难以准确估计其他用户的属性。因此我们研究了当其他用户的属性不可观察时边缘服务器的定价机制。我们将动态分散资源定价激励过程描述为多智能体马尔可夫决策过程，并设计了一种基于多智能体DRL方案的用户动态资源定价算法。使用该算法，每个用户可以直接从历史信息中确定不同类型共享资源的近似最优定价策略，而不需要任何关于其他用户的先验信息。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种车载边缘计算网络场景下人工智能生成系统效用最大化的激励机制