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！

龙图腾网恭喜长春大学申请的专利一种基于数字孪生的车联网任务卸载与传输功率分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119095115B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411589471.0，技术领域涉及：H04W28/08；该发明授权一种基于数字孪生的车联网任务卸载与传输功率分配方法是由李丽娜;王淑欣;胡春城;吕峻安;许一鸣;于清河;罗程;刘国幸;李念峰设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于数字孪生的车联网任务卸载与传输功率分配方法在说明书摘要公布了：本发明公开了一种基于数字孪生的车联网任务卸载与传输功率分配方法，包括如下步骤：步骤一、采集车辆和基站的位置，构建车联网及其数字孪生网络；步骤二、根据所述数字孪生网络构建优化函数：步骤三、根据所述优化函数构建深度确定性策略梯度模型，获得最小化系统的总延迟下选择的卸载设备、任务卸载比例和分配的传输功率。本发明具有保证任务及时完成的同时，最大化系统整体的吞吐量，并减少传输延迟的特点。

本发明授权一种基于数字孪生的车联网任务卸载与传输功率分配方法在权利要求书中公布了：1.一种基于数字孪生的车联网任务卸载与传输功率分配方法，其特征在于，包括如下步骤：步骤一、采集车辆和基站的位置，构建车联网及其数字孪生网络；步骤二、根据所述数字孪生网络构建优化函数： ； ；式中，为按任务卸载比例进行卸载过程中的总延迟，任务车辆的总数量，为服务车辆的总数量，为一个协同组内的车辆总数量，为数字孪生网络中的基站数量，为最大可容忍延迟，为任务卸载比例，且，为第个服务车辆可提供的计算资源，为第个基站可提供的计算资源，为车辆的传输功率，且，是对车辆传输功率最大的约束条件，为第个服务车辆的可用计算资源最大的约束条件，为第个基站的可用计算资源最大的约束条件，需要卸载的任务车辆数；步骤三、根据所述优化函数构建深度确定性策略梯度模型，获得最小化系统的总延迟下选择的卸载设备、任务卸载比例和分配的传输功率；其中，所述深度确定性策略梯度模型的训练过程包括如下步骤：步骤1、建立参与者网络、批评者网络、目标参与者网络和目标批评者网络；步骤2、将从环境中获取当前时刻的状态输入参与者网络，获得时刻更新后的动作、下一个时刻的状态和当前时刻的奖励；其中，当前时刻的更新后的动作满足： ；式中，为时刻更新后的动作，为参与者网络的参数，为参与者网络在给定状态下产生的原始动作，为随机噪声；步骤3、将存储于经验池中；步骤4、从所述经验池中随机抽取一组时刻的状态和时刻的动作输入批评者网络，获得预期回报值；步骤5、将状态输入目标参与者网络中，获得对应的动作后，将状态和动作输入目标批评者网络，获得预测的目标回报值： ；式中，为经验池中取出的当前时刻的奖励，是折扣因子，为目标参与者网络的参数，为目标参与者网络在状态下输出的动作，为目标批评者网络的参数，为预测的回报值；步骤6、通过最小化损失值更新批评者网络的参数；其中，所述损失值满足： ；式中，损失值，为每一小批的大小，为经验池中取出的当前时刻的状态，为经验池中取出的当前时刻的动作，为当前批评网络的参数，为对应动作的预期回报值；步骤7、通过梯度上升法更新参与者网络的参数： ；式中，为参与者网络参数更新时的策略梯度，为参与者网络关于参数的梯度，表示当调整参数时，生成的动作如何变化，为Critic网络关于动作的梯度，表示在当前状态下，值对动作的敏感度；步骤8、对目标参与者网络的参数和目标批评者网络的参数进行更新： ； ；式中，为当前批评者网络的参数，为目标批评者网络的参数，为当前参与者网络的参数，为目标参与者网络的参数，为软更新的比例因子，会使目标网络的更新变得更加平滑和稳定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春大学，其通讯地址为：130022 吉林省长春市卫星路6543号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。