Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 北京邮电大学范文浩获国家专利权

北京邮电大学范文浩获国家专利权

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!

龙图腾网获悉北京邮电大学申请的专利一种基于区块链的边缘智能系统资源管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:CN119893588B

龙图腾网通过国家知识产权局官网在2025-10-03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:202411583403.3,技术领域涉及:H04W28/08;该发明授权一种基于区块链的边缘智能系统资源管理方法是由范文浩;郝治博;刘元安;孟庆铖;淳雄飞;吴帆;唐碧华设计研发完成,并于2024-11-07向国家知识产权局提交的专利申请。

一种基于区块链的边缘智能系统资源管理方法在说明书摘要公布了:本发明公开了一种基于区块链的边缘智能系统资源管理方法,包括系统控制器感知当前用户设备人工智能任务信息以及系统当前无线环境信息;同时系统控制器感知用户设备、边缘服务器和云服务器的计算资源信息;通过无线连接将相关信息从相应的设备上传到系统控制器;将当前人工智能任务信息以及系统当前无线环境信息输入到部署于系统控制器中的已训练完毕的优化模型当中,计算基于当前状态下的用户设备发射功率控制、人工智能任务数据量控制、用户设备人工智能任务卸载决策,以及人工智能任务的推理过程和区块生成过程所要使用的计算资源分配情况,并传递到各计算实体执行;本发明利用任务卸载和计算资源分配算法,提升系统效率和用户体验。

本发明授权一种基于区块链的边缘智能系统资源管理方法在权利要求书中公布了:1.一种基于区块链的边缘智能系统资源管理方法,其特征在于,包括以下步骤: S1:系统控制器感知当前用户设备产生的人工智能任务信息以及系统当前无线环境信息;同时系统控制器感知用户设备、边缘服务器和云服务器的计算资源信息;通过无线连接将相关信息从相应的用户设备上传到系统控制器; S2:将步骤S1中所述当前人工智能任务信息以及系统当前无线环境信息输入部署于系统控制器中的已训练完毕的优化模型当中,计算基于当前状态下的用户设备发射功率控制、用户设备人工智能任务卸载决策、用户设备人工智能任务数据量控制,以及人工智能任务的推理过程和区块生成过程所要使用的计算资源分配情况; S3:提取步骤S2中得到的用户设备人工智能任务卸载决策信息,如果该信息表明人工智能任务在本地推理,系统控制器通过无线连接向用户设备发送相应的人工智能任务卸载决策指令,用户设备直接在本地推理人工智能任务; S4:提取步骤S2中得到的用户设备人工智能任务卸载决策信息,如果该信息表明人工智能任务在边缘服务器或云服务器推理,系统控制器通过无线连接向用户设备发送相应的人工智能任务卸载决策指令、人工智能任务数据量控制指令,以及发射功率控制指令,用户设备按照相应的发射功率将人工智能任务传输到基站,并加入区块链执行区块生成过程; 若人工智能任务在边缘服务器推理,则系统控制器通过无线连接向边缘服务器发送计算资源分配指令,在任务推理过程与区块生成过程全部结束之后,将结果回传给用户设备;若人工智能任务在云服务器推理,则系统控制器通过有线链路向云服务器发送计算资源分配指令,需要进一步通过有线链路将人工智能任务从基站传输到云服务器来推理;通过上述指令控制并行执行人工智能任务的推理过程与区块生成过程; 所述步骤S2包括:将步骤S1中获取到的当前人工智能任务的数据量d以及当前的用户设备与基站之间的信道增益g输入到部署于系统控制器上的已经训练完毕的优化模型当中,获得计算资源管理指令; 首先,设计一种快速数值方法,求得当前状态下的用户设备发射功率控制指令,将发射功率控制指令从其他优化变量中分离出来,其中,pmn为用户设备mn所分配的发射功率;优化目标总时延随发射功率的增加而单调减小,因此可以通过增加发射功率,使得用户设备能耗达到能耗约束的方式,获得发射功率控制指令; 人工智能任务调度的特征为,关于用户设备人工智能任务卸载决策,令αmn=1表示人工智能任务mn被卸载到边缘服务器推理,否则,αmn=0;同样,βmn=1表示人工智能任务mn被卸载到云服务器推理,否则,βmn=0;显然,1‑αmn‑βmn=1表示人工智能任务mn在用户设备mn本地推理,同时,关于人工智能任务推理过程和区块生成过程所用的计算资源分配情况,令为用户设备mn为其人工智能任务推理过程分配的计算资源,令和分别为边缘服务器m给区块生成过程以及人工智能任务mn的推理过程分配的计算资源,令为云服务器给人工智能任务mn的推理过程分配的计算资源,基于深度强化学习技术设计优化算法求解上述变量,建立马尔可夫决策过程,其中,状态空间设置为s={c,g},动作空间设置为a={α,β,fMINE,fES,fCS,fU,d};最终,根据算法输出,得到优化结果。

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北京邮电大学,其通讯地址为:100876 北京市海淀区西土城路10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。

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。