Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜广州法通网络科技有限公司夏士超获国家专利权

恭喜广州法通网络科技有限公司夏士超获国家专利权

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!

龙图腾网恭喜广州法通网络科技有限公司申请的专利一种基于多智能体的资源分配和任务卸载优化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:CN115175217B

龙图腾网通过国家知识产权局官网在2025-05-02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:202210758663.4,技术领域涉及:H04W24/02;该发明授权一种基于多智能体的资源分配和任务卸载优化方法是由夏士超;姚枝秀;左琳立;李云;吴广富设计研发完成,并于2022-06-30向国家知识产权局提交的专利申请。

一种基于多智能体的资源分配和任务卸载优化方法在说明书摘要公布了:本发明属于移动通信技术领域,涉及一种基于多智能体的资源分配和任务卸载优化方法;所述方法包括将异构网络环境中的边缘云服务器和能量收集使能的移动设备均视为可独立决策的智能体单元,结合实际计算卸载场景,将边缘云资源分配和移动设备任务卸载的收益构造出斯塔克尔伯格博弈模型,考虑到随机时变的边缘环境和不完备的状态观测,将斯塔克尔伯格博弈模型再次建模为部分可观测马尔可夫决策过程,并建立采用多智能体的深度强化学习算法求解部分可观测马尔可夫决策过程博弈模型,以学习最优的边缘云资源协同分配策略和任务卸载策略。本发明能够有效提高边缘云服务器的任务计算成功率,并降低移动设备的任务丢弃率。

本发明授权一种基于多智能体的资源分配和任务卸载优化方法在权利要求书中公布了:1.一种基于多智能体的资源分配和任务卸载优化方法,其特征在于,所述方法包括:步骤1针对异构网络环境中能量收集使能的MEC网络,分别建立计算任务模型,任务卸载到异构网络中的通信模型、任务执行模型和能耗模型,并根据建立的模型获得环境状态;步骤2将边缘云服务器视为主方,根据获得的环境状态构建出主方的即时奖励函数,并根据主方的即时奖励函数建立主方执行协同资源分配决策的长期累积奖励的收益目标函数;步骤3将移动设备视为从方,根据获得的环境状态构建出从方的即时奖励函数,并根据从方的即时奖励函数建立从方执行任务卸载决策的长期累积奖励的收益目标函数;步骤4最大化主方的收益目标函数和从方的收益目标函数,结合主方和从方的决策约束条件,构建出斯塔克尔伯格博弈模型;所构建出的斯塔克尔伯格博弈模型表示为: 其中,Ft为边缘云服务器的计算资源分配策略集合,Bt为边缘云服务器的带宽资源分配策略集合;at为移动设备任务卸载策略集合;RL表示边缘云服务器的长期累积奖励的收益,rLt表示在时隙t中边缘云服务器的即时奖励;表示移动设备i的长期累积奖励的收益,riFt表示在时隙t中移动设备i的即时奖励,表示网络中的移动设备集合;ait表示移动设备i在时隙t的任务卸载策略;1{x}是一个指示函数,当条件x为真时等于1,否则等于0;fi0t表示MBS在时隙t中分配给移动设备i的计算资源,Bi0t表示MBS在时隙t中分配给移动设备i的带宽资源;表示MBS的最大计算能力,表示MBS的可用带宽资源;fijt表示FBSj在时隙t中分配给移动设备i的计算资源;表示FBSj的最大计算能力;Bijt表示FBSj在时隙t中分配给移动设备i的带宽资源;表示FBSj的可用带宽资源;表示FBSj覆盖范围内的移动设备集合;m表示移动设备总数,MBS表示宏基站,FBSj表示第j个毫微微基站;边缘云服务器的即时奖励表示为: 其中,rL[Ft,Bt,at]表示Ft、Bt和at下,边缘云服务器的即时奖励;是衡量边缘云服务器的指标满意度函数,是衡量移动设备相应指标满意度函数;ω1,ω2,ω3是边缘云服务器的相关权重系数,λ1和λ2是移动设备的相关权重系数;表示在时隙t中移动设备i的任务丢弃指示因子;表示在时隙t中移动设备i的任务在MBS中的任务卸载时延;表示在时隙t中FBSj的任务计算失败指示因子;表示在时隙t中MBS的任务计算失败指示因子;移动设备的即时奖励表示为: 其中,riF[F*t,B*t,at]表示F*t、B*t和at下,移动设备i的即时奖励,F*t为边缘云服务器的最优计算资源分配策略集合,B*t为边缘云服务器的最优带宽资源分配策略集合;Qit表示移动设备i在时隙t的本地任务队列,φit表示在时隙t中移动设备i的任务计算概率;步骤5基于随机时变的网络环境和主从双方不完备的观测状态,将斯塔克尔伯格博弈模型建模为部分可观测马尔可夫决策过程博弈模型;步骤6采用多智能体的深度强化学习算法求解部分可观测马尔可夫决策过程博弈模型,通过集中训练和分布式执行方式,学习并优化边缘云资源协作分配决策和移动设备任务卸载决策。

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广州法通网络科技有限公司,其通讯地址为:511400 广东省广州市南沙区黄阁镇望江二街5号2407房;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。