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！

龙图腾网获悉沈阳航空航天大学申请的专利一种无人机辅助的移动边缘网络缓存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：CN116054905B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211149783.0，技术领域涉及：H04B7/185；该发明授权一种无人机辅助的移动边缘网络缓存优化方法是由林娜;秦宏志;石峻岭;赵亮;关云冲设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本一种无人机辅助的移动边缘网络缓存优化方法在说明书摘要公布了：本发明公开了无线通信技术领域，尤其涉及一种无人机辅助的移动边缘网络缓存优化方法。包括如下步骤：S1:根据用户的历史请求情况，采用在线的实时流行度预测算法，筛选出最受用户欢迎的文件，得到文件流行度；S2:根据S1中求得的文件流行度，利用深度强化学习的方法实现缓存内容的部署；S3:以步骤S2为基础，在文件的传输过程中利用隐马尔可夫模型实现无人机的调度。该方法可以提高网络缓存的命中率及无人机的能量利用率，降低缓存内容的传输时延。

本发明授权一种无人机辅助的移动边缘网络缓存优化方法在权利要求书中公布了：1.一种无人机辅助的移动边缘网络缓存优化方法，其特征在于，包括如下步骤： S1:根据用户的历史请求情况，采用在线的实时流行度预测算法，筛选出最受用户欢迎的文件，得到文件流行度； S2:根据S1中求得的文件流行度，利用深度强化学习的方法实现缓存内容的部署； S3:以步骤S2为基础，在文件的传输过程中利用隐马尔可夫模型实现无人机的调度； S3利用隐马尔可夫模型实现无人机的调度算法具体包括如下步骤： S31：确定基于隐马尔可夫模型的无人机调度算法的初始参数； S32：根据观测结果和公式模型，更新参数； S33：根据优化目标函数估计隐马尔科夫模型模型参数； S34：反复更新S32的参数，使其收敛于S33的参数； S31具体为，隐马尔科夫模型由状态、状态转移概率矩阵和观测状态组成，用S＝s1,s2,...sN，A＝[aij]|S|*|S|，O＝v1,v2,...vM分别表示隐马尔科夫模型中的状态、状态转移概率矩阵和观测状态；S＝s1,s2,...sN是一个有限状态集，表示无人机调度问题中无人机的状态，O＝v1,v2,...vM是一个有限的观测值集；Cmiss表示用户请求的但并无法传输给用户的一组文件集合，Rmiss是一组被满足的用户请求，可以得到集合K＝Cmiss∩Rmiss；A＝[aij]|S|*|S|，aij＝pXt+1＝sj|Xt＝si是状态转移概率；B＝[bjk]，bij＝pOt＝vj|Xt＝si是输出概率；π＝[π1,π2,...,πN]，πi＝P[q1＝si]为初始状态分布；采用符号λ来描述隐马尔科夫模型参数，则隐马尔科夫模型可以用五元组λ＝[S,O,π,A,B]来表示；对于无人机调度算法，上述状态集和概率矩阵在该问题中的具体意义为，S是负责无人机的基站的状态，O为每架无人机的观测状态的值，A是状态转移概率；B是vi由可能的基站si完成的观测概率；由于S和O是两个独立的相同的分布变量，推导出以下方程： 其中，Ot+1表示的是隐马尔科夫模型中的观测矩阵t+1时刻无人机的状态，Xt+1表示的是无人机在t+1时刻的状态； 令公式4中的p{Xt+1＝qj,Ot+1＝vt+1}＝αt+1qj,vt+1，则公式4可以写成： 其中，qj和vt+1分别为t+1时刻观测矩阵和无人机状态的具体值； 根据转移矩阵和观测概率矩阵的定义，上述方程可写为：

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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37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”。