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申请的专利一种面向数字孪生同步的队列感知云边协同推理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：CN120151297B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510621785.2，技术领域涉及：H04L47/6275；该发明授权一种面向数字孪生同步的队列感知云边协同推理方法是由郭永安;田野;屠嘉顺;王宇翱设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种面向数字孪生同步的队列感知云边协同推理方法在说明书摘要公布了：本发明公开了一种面向数字孪生同步的队列感知云边协同推理方法，包括步骤：S1，根据传感设备采集数据的处理需求，建立推理任务模型；S2，根据传感设备与边缘服务器、边缘服务器与云服务器的无线通信过程，建立无线信道模型；S3，根据边缘服务器队列缓冲区中各项任务的处理过程，建立任务队列模型；S4，根据推理任务在边缘服务器与云服务器上的协同推理过程，建立协同推理模型；S5，根据数字孪生同步的低时延需求构建优化目标函数和构建马尔可夫模型；S6，使用MAPPO算法分别建立传感设备与边缘服务器智能体，基于马尔可夫模型对两智能体分别进行训练并更新当前策略。本发明能降低优先级任务的等待时延，提高数字孪生同步效率。

本发明授权一种面向数字孪生同步的队列感知云边协同推理方法在权利要求书中公布了：1.一种面向数字孪生同步的队列感知云边协同推理方法，其特征在于，包括如下步骤： S1，根据传感设备采集数据的处理需求，建立推理任务模型，并赋予推理任务包含优先级、时延容限和计算复杂度； S2，根据传感设备与边缘服务器、边缘服务器与云服务器的无线通信过程，建立无线信道模型，并将信道划分为相互独立的子信道； S3，根据边缘服务器队列缓冲区中各项任务的处理过程，建立任务队列模型，并依据MM1非抢占优先级模型对不同优先级的任务进行优化处理； S4，根据推理任务在边缘服务器与云服务器上的协同推理过程，建立协同推理模型，并依据推理任务的处理流程分析协同推理时延； S5，根据数字孪生同步的低时延需求构建优化目标函数，并通过时隙划分，将优化问题转化为部分可观测的马尔可夫决策问题，构建马尔可夫模型； S6，使用MAPPO算法分别建立传感设备智能体与边缘服务器智能体，基于马尔可夫模型对两智能体分别进行训练并更新当前策略； 步骤S4中，建立协同推理模型的具体步骤包括： S41，推理任务In,k的DNN分割点用分割点标识符表示，其中L表明DNN的可行分割点的总数，表明推理任务In,k的分割点为l，表示推理任务In,k的分割点不为l；其中，In,k表示任一传感设备SDn产生的第k个推理任务； 如果分割点为l0表明推理任务In,k全部在云服务器处理，分割点为lL表明推理任务In,k全部在ESe处理；其余情况下，DNN的前半部分在ESe处理，随后将中间数据传输至云服务器完成后半部分的推理；其中，ESe表示任一边缘服务器； S42，推理任务In,k在ESe完成部分推理后，将中间数据传输给云服务器的传输时延表示为： 其中，表示分割点为l时，推理任务In,k向云服务器传输的中间数据量；Re为ESe与云服务器之间的传输速率； S43，依据MM1排队系统的定义，推理任务In,k在ESe处的逗留时延表示为： 其中，为ESe任务队列的服务率，Fe表征ESe的计算能力，λp为SDp的任务到达率；表示通信范围内的SDn编号，Ne表示ESe通信范围内的SDn总数量，其中且 表示空集；为传感设备集合，N表示传感设备总数；为边缘服务器集合，M表示边缘服务器总数； 其中，Ce表示ESe处所有的推理任务的计算复杂度，Cn,k表示推理任务In,k计算复杂度，fn,k,l表示对应分割点的计算复杂度；Kp为SDp传输完成的推理任务总数； S44，推理任务In,k总时延为： 其中，表示SDn至ESe传输时延； 步骤S5中，构建马尔可夫模型的具体步骤包括： S51，通过信道合理分配并确定推理任务分割点，以最小化数字孪生同步的最大累积延迟为优化目标，则优化问题P1表示为： 其中，约束C1保证每个传感设备仅使用一条信道，约束C2保证每个推理任务只存在一个分割点，约束C3保证推理任务要在时延容忍限度内完成；Kn为SDn产生的推理任务总数；SDn与ESe通过子信道集合进行通信，Me表示ESe与SDn通信的子信道总数，每次通信选择中的一条子信道，用通信标识符αn,c∈{0,1}表示：αn,c＝1表明SDn使用子信道c将感知到的数据传输到关联的ESe以实现数字孪生同步；αn,c＝0表示没有使用该子信道；表示任务容忍时延； S52，定义数字孪生同步过程的时隙集合其中T为时隙总长度，每个时隙间隔时间为固定时间T0；通过时隙划分，将优化问题P1转化为符合马尔可夫模型的优化问题P2： s.t.C1，C2，C3 其中，Kt表示在一个时隙内完成的任务数量； 步骤S6中，传感设备智能体模型如下： 定义SDn智能体对应的MDP状态空间动作空间与奖励函数其中状态空间hn,et表示SDn与ESe之间的信道增益，Ie,ct-1表示前时隙信道c的传感设备数量； 动作空间αn,ct为SDn使用子信道c传输的通信标识符； 奖励函数Knt表示单个时隙内SDn传输完成的任务数量，Fnt表示单个时隙内SDn同步失败的任务数，ηn是SDn的数字孪生同步失败的惩罚； 边缘服务器智能体模型如下： 定义ESe智能体对应的MDP状态空间动作空间与奖励函数其中状态空间Qet表示时隙内ESe任务队列状态，Int表示时隙内SDn任务状态，het表示时隙内ESe与云服务器间的信道增益；动作空间 表示In,k分割点标识符； 奖励函数Ket表示单个时隙内ESe传输完成的任务数量，Fet表示单个时隙内ESe同步失败的任务数，ηe是ESe的数字孪生同步失败的惩罚； 对智能体进行训练的具体步骤包括： S621，设置超参数，初始化智能体模型； S622，每一轮开始时，初始化环境参数；包括：时隙初始化为0，任务统计量初始化为0，经验池清空，传感设备与边缘服务器的通信距离重置为随机数； S623，获取当前时隙SDn环境状态SDn依据进行决策，确定当前动作并设置当前时隙下SDn与ESe的通信信道； S624，获取当前时隙ESe环境状态ESe依据与当前策略进行决策，确定当前动作并设置当前时隙下SDn的推理任务分割点； S625，以时隙间隔T0为尺度进行环境状态更新，实现推理任务的产生与处理，并统计时隙内完成任务数Knt与失败任务数Fnt； S626，智能体SDn依据奖励函数计算当前时隙的奖励值智能体ESe依据奖励函数计算当前时隙的奖励值 S627，将当前时隙的状态、动作、奖励存入经验池，当经验池内样本量达到预设数量之后，用保存的样本分别对两智能体进行训练，更新当前策略。

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，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。