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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 南京邮电大学;南京聚慧谷信息技术有限公司王磊获国家专利权

南京邮电大学;南京聚慧谷信息技术有限公司王磊获国家专利权

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!

龙图腾网获悉南京邮电大学;南京聚慧谷信息技术有限公司申请的专利5G超密集网络中任务卸载及资源分配的联合优化方法、装置及介质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:CN114885418B

龙图腾网通过国家知识产权局官网在2025-08-19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:202210262724.8,技术领域涉及:H04W72/044;该发明授权5G超密集网络中任务卸载及资源分配的联合优化方法、装置及介质是由王磊;许之琛;窦海娥;郑宝玉;崔景伍设计研发完成,并于2022-03-17向国家知识产权局提交的专利申请。

5G超密集网络中任务卸载及资源分配的联合优化方法、装置及介质在说明书摘要公布了:本发明针对5G超密集网络中存在的因计算能力不足的用户在处理低时延、高可靠应用而产生的高时延问题,在计算资源和信道资源有限的条件下,实现了卸载策略与资源分配的联合优化策略。首先,构建5G超密集网络场景下MEC和本地计算的系统模型,构建了一个最小化任务完成时间的混合整数非线性优化问题,然后针对优化问题提出一种任务卸载决策与资源分配的联合优化策略。该策略先采用变量替换的方式简化问题,再采用子问题分解的方式求解,将原问题分解为计算资源分配与信道资源分配两个子问题,先采用拉格朗日乘子法获取计算资源的最优解,然后在确定每一次计算资源分配最优解的条件下采用一种基于差分进化思想的信道资源分配算法来进行信道资源分配。

本发明授权5G超密集网络中任务卸载及资源分配的联合优化方法、装置及介质在权利要求书中公布了:1.一种5G超密集网络中任务卸载及资源分配的联合优化方法,其特征在于,所述方法包括如下步骤: 建立一个基于OFDMA的包含一个宏基站和多个小基站的超密集网络场景,其中MEC部署在宏基站中,支持多用户接入; 获取网络基础信息,所述网络基础信息包括:本地终端计算能力,任务平均计算量、数据量,MEC计算能力,信道数目,信道带宽;根据所述网络基础信息分别计算用户选择任务在本地以及卸载至MEC的计算时延,并根据香农公式,计算出用户的传输速率和任务卸载时的传输时延以及任务卸载至MEC服务器处理的总时延的系统模型及公式; 根据超密集网络场景和系统模型及公式,提出5G超密集网络中任务卸载及资源分配的优化目标函数; 根据卸载决策变量和信道资源分配变量之间的关系进行变量替换,使优化目标函数简化,并对简化后的优化目标函数进行子问题分解,获得计算资源分配问题和信道资源分配问题; 分别对计算资源分配问题和信道资源分配问题进行求解,获得并输出信道资源分配结果、任务总完成时延; 分别对计算资源分配问题和信道资源分配问题进行求解的方法包括: 将计算资源分配问题转换为关于服务器计算能力分配的凸函数,引入拉格朗日函数以及KKT条件求得最优计算资源分配值; 根据最优计算资源分配值,采用基于差分进化思想的信道资源分配算法,对信道资源分配问题进行求解,求得最优信道资源分配,输出信道资源分配结果、任务总完成时延; 根据最优计算资源分配值,采用基于差分进化思想的信道资源分配算法,对信道资源分配问题进行求解,包括如下步骤: 在解向量取值范围内随机均匀生成N个个体组成初始种群,种群的集合表示为Xi={xi,1,xi,2,...,xi,j},其中i=1,2,...,N表示种群的个体的序号,j=1,2,...,DD=Ns×S×K表示解向量的维数;那么第i个个体组成的第j维取值如下所示: xi,j=rand0,1Ui,j-Li,j+Li,j 其中Li,j表示第i个解向量第j维的下界,Ui,j表示第i个解向量第j维的上界;rand0,1表示表示随机值为“0”或“1”; 差分进化算法通过随机选取种群中两个不同的个体间,将其差值进行缩放,再加上其它个体,生成新的变异个体;第m次迭代中变异个体Vim如下式: Vim=FXpm-1-Xqm-1+Xkm-1 其中Xpm-1、Xqm-1、Xkm-1是父代中生成种群的三个不同的个体解向量,F为缩放因子;在进行变异操作中,必须确定种群中的每个个体是否满足边界条件,即Li,j≤vi,jm≤Ui,j; 将父代种群中每个个体的分量和对应的变异个体中的分量进行交换,操作如下: 其中randi1,n表示1到n中随机选取的整数,保证交叉个体中至少有一个基因由父代中对应个体提供,CR为交叉概率,CR影响算法的收敛速度和种群丰富程度,CR越大,有利于全局寻优,CR越小,有利于达到局部最优; 获得适应度函数: 其中为惩罚函数,表示如下: 其中和为大于零的惩罚因子;表示完成任务需要的总CPU周期数;表示任务的数据量;表示给定信道分配矩阵C0后的任务的上行传输时延,表示SBS组成的集合,表示卸载用户的集合,表示子信道的集合;表示任务的总完成时延,表示UE的卸载决策,若表示任务卸载至边缘服务器计算,表示任务在本地处理;表示信道分配值,表示UEns使用子信道k进行卸载,表示UEns不使用子信道k进行卸载;表示MEC为UEns分配的计算资源;fm表示MEC的最大计算能力;表示任务的最大可容忍时延; 通过变异和交叉操作后获得了一组交叉个体,将它们与父代种群中对应的个体带入适应度函数进行比较,遵照贪婪策略,留下适应度高的下一代的父代个体;贪婪选择策略如下所示: 其中F*m为第m代个体对应的最优MEC计算资源分配矩阵。

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南京邮电大学;南京聚慧谷信息技术有限公司,其通讯地址为:210000 江苏省南京市栖霞区文苑路9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”。

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。