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！

龙图腾网获悉河南大学申请的专利一种基于改进黑翅鸢优化算法的车联网计算卸载和资源分配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：CN119815417B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510084406.0，技术领域涉及：H04W28/08；该发明授权一种基于改进黑翅鸢优化算法的车联网计算卸载和资源分配方法是由杜晓玉;卢辰乐;赵浩东;杜莹;王玉璟设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于改进黑翅鸢优化算法的车联网计算卸载和资源分配方法在说明书摘要公布了：本发明提出了一种基于改进黑翅鸢优化算法的车联网计算卸载和资源分配方法，包括步骤：基于多种计算场景获取多种计算场景下任务的计算时延和计算能耗，基于多种计算场景下任务的计算时延和计算能耗计算任务的总计算时延和总计算能耗：基于任务的总计算时延和总计算能耗定义系统效用函数，以系统效用函数最小为目标，构建移动边缘计算场景下的计算时延和能耗模型；基于精英反向学习策略、Gompertz模型和高斯变异策略设计黑翅鸢优化算法，并采用设计的黑翅鸢优化算法对移动边缘计算场景下的计算时延和能耗模型进行求解，得到最终的计算卸载和资源优化分配方案。本发明能够加快算法的收敛速度，避免算法过早陷入局部最优解。

本发明授权一种基于改进黑翅鸢优化算法的车联网计算卸载和资源分配方法在权利要求书中公布了：1.一种基于改进黑翅鸢优化算法的车联网计算卸载和资源分配方法，其特征在于，包括以下步骤： S1：基于多种计算场景获取多种计算场景下任务的计算时延和计算能耗，基于多种计算场景下任务的计算时延和计算能耗计算任务的总计算时延和总计算能耗： S2：基于任务的总计算时延和总计算能耗定义系统效用函数，以系统效用函数最小为目标，以分配合理性约束、边缘服务器计算资源上限约束和闲置车辆可用计算资源上限约束为约束条件，构建移动边缘计算场景下的计算时延和能耗模型； S3：基于精英反向学习策略、Gompertz模型和高斯变异策略设计黑翅鸢优化算法，并采用设计的黑翅鸢优化算法对移动边缘计算场景下的计算时延和能耗模型进行求解，得到最终的计算卸载和资源优化分配方案； 步骤S3所述的采用设计的黑翅鸢优化算法对移动边缘计算场景下的计算时延和能耗模型进行求解的方法为： S3.1：定义改进黑翅鸢优化算法的初始参数集，并基于精英反向学习策略对黑翅鸢种群进行初始化； S3.2：更新领导者，基于Gompertz模型进行局部搜索并进行种群中黑翅鸢个体的位置更新，基于高斯变异策略进行全局搜索并进行种群中黑翅鸢个体的位置更新； S3.3：选取本次迭代中适应度最优的黑翅鸢个体，并与领导者进行适应度比较，选取适应度更优的黑翅鸢个体的位置最为作为本次迭代的最优解，判断是否达到最大迭代次数； 是，则输出全局最优解，否，则重复步骤S3.2到S3.3； 所述的定义改进黑翅鸢优化算法的初始参数集的方法为： S3.11：定义初始种群数量为N，种群的最大迭代次数为T，求解问题的维度为dim，解空间的上界为ub，下界为lb； 所述的基于精英反向学习策略对黑翅鸢种群进行初始化的方法为： S3.12：随机初始化种群P0； S3.13：根据种群P0选取精英种群E_P； S3.14：求出精英种群E_P的反向种群O_E； S3.15：合并种群P0和反向种群O_E得到新种群M_P，从新种群M_P中选择N个适应度较优的黑翅鸢个体组成初始种群P； 所述的步骤S3.2具体为： S3.21：更新领导者：选择上一次迭代中具有最优适应度的黑翅鸢个体作为领导者，并更新领导者的位置； S3.22：在局部搜索阶段根据Gompertz模型构建黑翅鸢种群攻击行为的位置更新策略并进行位置更新； S3.23：在全局搜索阶段根据高斯变异策略构建迁徙行为的位置更新策略并进行位置更新；步骤S3.22所述的攻击行为的位置更新策略为： A1、根据Gompertz模型定义步长调整公式： 其中，n是当前迭代的步长，A是初始最大步长，B是用于控制初期步长衰减的速度和起始点的参数，F是步长的衰减速率，t是当前迭代次数； A2、设定固定的常数值p，生成随机数r，r∈[0，1]，当pr时，执行攻击策略一，攻击策略一的位置更新公式如下： 式中，为第t次迭代中第j只黑翅鸢个体的位置，为第t次迭代中第j只黑翅鸢个体更新后的位置； A3、当p≥r时，执行攻击策略二，攻击策略二的位置更新公式如下： A4、在局部搜索阶段的位置更新完成后，将位置更新前的每个黑翅鸢个体与位置更新后的黑翅鸢个体的适应度相比较，选择适应度更优的位置作为本次迭代中黑翅鸢个体的位置； 步骤S3.23所述的迁徙行为的位置更新策略为： B1、设定第t次迭代中黑翅鸢种群的领导者为Lt，当前第j只黑翅鸢个体的适应度值为种群中随机一只黑翅鸢个体的适应度值为 B2、如果当前第j只黑翅鸢个体的适应度值小于随机一只黑翅鸢个体的适应度值领导者放弃对种群的领导权，加入迁徙种群，位置更新公式如下： 式中，Cauthy0,1代表柯西变异； B3、如果当前当前第j只黑翅鸢个体的适应度值大于或等于随机一只黑翅鸢个体的适应度值领导者继续引导种群直至目的地，位置更新公式如下： 式中，m为具有周期性变化的参数； B4、对于更新后的黑翅鸢个体的位置引入高斯变异策略；根据高斯变异策略进行位置更新； B5、在全局搜索阶段的位置更新完成后，将位置更新前的每个黑翅鸢个体与位置更新后的黑翅鸢个体的适应度值相比较，选择适应度更优的位置作为本次迭代t中黑翅鸢个体的位置。

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河南大学，其通讯地址为：450046 河南省郑州市郑东新区明理路北段379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”。

以上内容由龙图腾AI智能生成。