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！

龙图腾网获悉西安电子科技大学广州研究院申请的专利一种多用户接入的智能边缘计算系统中的任务卸载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：CN115292032B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202210770316.3，技术领域涉及：G06F9/50；该发明授权一种多用户接入的智能边缘计算系统中的任务卸载方法是由苏家楠;李晓辉;沈八中;吕思婷;张鹏设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种多用户接入的智能边缘计算系统中的任务卸载方法在说明书摘要公布了：本发明公开了本发明实施例提供了一种多用户接入的智能边缘计算系统的任务卸载方法，应用于终端节点和边缘服务器节点，涉及工业物联网技术领域。通过将任务分为时延敏感型、计算复杂型和终端任务型，优化了由于业务类型不明确产生的节点计算资源不匹配的问题，提高了边缘计算系统的整体处理效率；并将原始任务分割为可以独立执行的子任务，有效降低了由于任务量过大产生的计算和等待时延，降低了任务完成之间的耦合性；边缘服务器节点对任务卸载的过程进行建模，根据任务计算的历史处理数据合理判断任务的卸载决策和卸载位置，有效地缩短了因任务处理等待队列过长产生的计算时延，满足在时延约束的允许下尽可能地减少能量损耗。

本发明授权一种多用户接入的智能边缘计算系统中的任务卸载方法在权利要求书中公布了：1.一种多用户接入的智能边缘计算系统的任务卸载方法，其特征在于，应用于终端节点，所述方法包括： 获取所述终端节点连接的传感器采集的数据生成待计算的原始任务，判断所述原始任务是否满足本地卸载条件； 若所述原始任务满足本地卸载条件，将所述原始任务进行分割并排序整合为包含多个子任务的线性任务队列； 针对每一子任务的任务复杂度和预计完成时延判断该子任务的任务类型；所述任务类型包括时延敏感型、计算复杂型和终端任务型；所述终端任务型表示该子任务的任务复杂度小于预设的任务复杂度阈值，且该子任务的预计完成时延小于预设的时延敏感阈值；所述计算复杂型表示该子任务的任务复杂度不小于预设的任务复杂度阈值；所述时延敏感型表示该子任务的任务复杂度小于预设的任务复杂度阈值，且该子任务的预计完成时延不小于预设的时延敏感阈值； 针对每一子任务，若该子任务为所述终端任务型，则处理该子任务；若该子任务为所述计算复杂型，则将该子任务卸载到云服务器节点，以使所述云服务器节点处理该子任务；若该子任务为所述时延敏感型，则将该子任务卸载到边缘服务器节点，以使边缘服务器节点对该子任务进行决策过程建模得到该子任务的最优卸载决策，使得处理该子任务的能耗和时延联合优化的整体收益达到最大，处理该子任务，或者将该子任务卸载到云服务器节点以使所述云服务器节点处理该子任务； 对该子任务进行决策过程建模得到该子任务的最优卸载决策，包括： 利用半马尔可夫过程SMDP对该子任务卸载过程进行决策建模； 采用参考奖励模型对卸载行为进行评估； 利用迭代算法求得最大化SMDP建模过程的长期回报，获得系统的最大收益，得到该子任务的最优卸载决策； 采用参考奖励模型对卸载行为进行评估，包括： 计算收入ks,a： 其中，ks,a表示在状态s的情况下采取行动a带来的收益，来自于为任务卸载模型节省能量和缩短任务处理时延；i表示分配的计算单元个数；E表示处理子任务时消耗的最大能量，由上传的历史最大处理器消耗得来；T表示子任务从终端出发直至返回所用时间；Dpi表示链路传输造成的时延消耗；α和β分别代表对于节省能量和时延的绩效因子；η表示任务到达但仍被分配到等待序列的惩罚因子；θ表示任务已不在服务节点，且等待队列仍有任务等待处理同时有空闲服务单元的惩罚因子；μ表示计算单元的计算效率；p表示卸载到所述边缘服务器节点的概率，δ表示所述边缘服务器节点所消耗能量； 计算预期付出成本gs,a： gs,a＝cs,aτs,a 其中，gs,a表示在状态s的情况下采取行动a和相应的状态转换期间系统的预期成本；cs,a表示节点分配的资源成本，来自于通信产生的消耗，开发者根据任务数据量给定；τs,a表示状态转移的持续事件发生概率，假定持续时间服从指数分布； 计算卸载行为报酬rs,a： rs,a＝ks,a-gs,a 其中，rs,a为在状态s采取行动a时卸载行为获得的报酬。

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西安电子科技大学广州研究院，其通讯地址为：510000 广东省广州市黄埔区中新知识城海丝中心B5、B6、B7栋；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”。