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！

龙图腾网获悉华侨大学申请的专利基于D3QN的边缘赋能IIoT在线计算迁移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：CN117196008B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202311122214.1，技术领域涉及：G06N3/096；该发明授权基于D3QN的边缘赋能IIoT在线计算迁移方法是由彭凯;凌成芳设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本基于D3QN的边缘赋能IIoT在线计算迁移方法在说明书摘要公布了：本发明公开了一种基于D3QN的边缘赋能IIoT在线计算迁移方法，涉及计算机技术领域，包括：将当前工业环境抽象为边缘赋能的IIoT网络模型，同时对IIoT内的任务进行建模获得多约束任务模型；根据本地设备的功率、信道传输带宽和服务器的计算能力建立包括时延和能耗的多约束任务计算卸载问题模型；基于多约束任务模型和多约束任务计算卸载问题模型设计D3QN网络，将IIoT任务在线计算迁移问题处理成马尔可夫决策过程，包括状态State、动作Action和奖励Reward；在D3QN网络中加入噪声，根据模型建立基于深度强化学习的算法NoisyD3QN，求解得到最优的任务卸载决策。本发明考虑工业数据的大规模和高复杂性，采用NoisyD3QN算法获取最佳迁移策略，对系统时延和能耗进行高效优化。

本发明授权基于D3QN的边缘赋能IIoT在线计算迁移方法在权利要求书中公布了：1.一种基于D3QN的边缘赋能IIoT在线计算迁移方法，其特征在于，包括： 步骤1，将当前工业环境抽象为边缘赋能的IIoT网络模型，同时对IIoT内的任务进行建模获得多约束任务模型； 步骤2，根据本地设备的功率、信道传输带宽和服务器的计算能力建立包括时延和能耗的多约束任务计算卸载问题模型； 步骤3，基于多约束任务模型和多约束任务计算卸载问题模型设计D3QN网络，将IIoT任务在线计算迁移问题处理成马尔可夫决策过程，包括状态State、动作Action和奖励Reward； 步骤4，在D3QN网络中加入噪声，根据模型建立基于深度强化学习的算法NoisyD3QN，求解得到最优的任务卸载决策； 所述步骤3，具体包括： 步骤3.1：考虑任务和服务器之间的交互，构建马尔可夫决策过程；将δ时刻DRL代理观察到的状态用一个5元组表示State＝{R,X,Con,DDLtime,DDLenergy}；其中，R表示任务数据信息，X代表任务之间的关系，Con表示通信信道条件，DDLtime表示最大截止时间约束，DDLenergy表示最大能耗约束；动作空间表示为Action＝{a1,a2,…,an}，代表执行将任务i迁移到ai这一动作，最后将动作集合输出为系统的迁移策略； 步骤3.2，作为评估迁移决策效率的标准，以达到最小化时延和能耗的目的，DRL代理的奖励Reward通过如下公式计算得出： Reward＝-λ1·Ttotal+λ2·Etotal-ρ·fDDLtime,DDLenergy5 λ1+λ2＝16 其中，动态权重参数λ1表示系统中时延的重要程度；动态权重参数λ2表示系统中能耗的重要程度；同时当时延或能耗超过最大约束时，代理将获得惩罚ρ，ρ表示惩罚系数；Ttotal表示系统时延；Etotal表示系统能耗。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。