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考虑负载均衡和时延的节能任务卸载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：CN116709259B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310655317.8，技术领域涉及：H04W4/44；该发明授权一种考虑负载均衡和时延的节能任务卸载方法是由许斌;许子鹏;庄智超;朱剑鸣设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种考虑负载均衡和时延的节能任务卸载方法在说明书摘要公布了：本发明公开了一种考虑负载均衡和时延的节能任务卸载方法，通过先建立包含宏基站、MEC服务器和车辆的车联网任务卸载模型，然后通过基于BP神经网络改进的NSGA‑Ⅱ求解该模型，从而可以在计算真实适应度向量之前，通过BP神经网络筛选优秀的个体，以得到更优秀的子代解集。

本发明授权一种考虑负载均衡和时延的节能任务卸载方法在权利要求书中公布了：1.一种考虑负载均衡和时延的节能任务卸载方法，其特征在于，主要包括以下步骤： 步骤1：车载OBU单元读取车辆运行数据并发布计算任务Ti,k，其中Ti,k表示第i辆车的第k个计算任务，再将计算任务的信息上传至宏基站； 步骤2：宏基站根据接入的车辆信息和车联网设备建立车联网任务卸载模型，所述车辆信息包括同一时间戳内驶入宏基站服务范围的车辆所上传的计算任务信息和车辆的经纬度坐标，所述车联网设备包括带有MEC服务器的路侧RSU单元和宏基站，所述车联网任务卸载模型包括通信模型、负载均衡计算模型、卸载时延模型和卸载能耗模型；具体包括以下步骤： 步骤2.1：规定V2I模式和V2V模式工作在同一频段，其中，V2I表示车辆vi和车联网设备进行通信，V2V表示车辆vi和另一辆车进行通信，系统的总频谱被划分为Y个正交子信道，记为Y＝{1,2,3,L,y}，每一个子信道的带宽为bHz，假设每辆车在同一时间段都有k个计算任务需要完成，并且每辆车最多分配一个子信道，子信道g上车辆vi的信噪比定义为其中pi是车辆vi的上行传输功率，是车辆vi和服务节点子信道的信道增益，其中j表示车辆vi连接的第j台车联网设备，g表示车辆vi使用第g个子信道，N0是白高斯噪声功率，是V2I模式下其他设备对车辆vi的干扰，是V2V模式下其他车辆对车辆vi的干扰； 步骤2.2：建立负载均衡计算模型，具体方法如下： 考虑车辆在第M个MEC服务器上的平均资源利用率WM： 其中，fMfM∈{0,1}表示车辆的卸载任务占用第M个MEC服务器时为1，否则为0；lk,m,nlk,m,n∈{0,1}表示M节点被占用时lk,m,n为1，否则为0；因此，被占用的MEC服务器数量为： 进而得出平均资源利用率WAVG为： 单个节点的任务负载SLBG为： 得出RSU的平均负载均衡率ASLB为： 总的系统负载均衡率考虑RSU节点平均负载均衡率与RSU平均资源利用率的比值，进而得出总的负载均衡率F为： 步骤2.3：建立卸载时延和系统能耗计算模型，卸载策略有Z＝{0,1,2,3}四种方案，具体如下： 1z＝0表示计算任务Ti,k由本地车辆直接处理，不会卸载到其他车联网设备； 2z＝1表示计算任务Ti,k卸载到MEC服务器进行处理； 3z＝2表示计算任务Ti,k卸载到宏基站进行处理； 4z＝3表示计算任务Ti,k卸载到计算力充足的车辆进行处理； 步骤3：宏基站根据负载均衡、卸载时延和卸载能耗，得到优化函数： minF,mintall,mineall s.t. C2:z∈{0,1,2,3} 其中，F表示负载均衡，tall表示系统总卸载时延，eall表示系统总卸载能耗，C1表示不同卸载方案可接受的时延上限，假设车辆vi只将任务Ti,k卸载到MEC服务器，那就只考虑卸载到MEC服务器的可接受时延上限；如果车辆vi将任务Ti,k卸载到MEC服务器和宏基站，那么考虑两者可接受时延上限；表示任务Ti,k的本地卸载时间，表示车辆vi将计算任务上传至MEC服务器的时延，表示MEC服务器上任务Ti,k的卸载时间，表示车辆vi将计算任务上传至宏基站的时延，表示宏基站上任务Ti,k的卸载时间，表示车辆vV的OBU上Ti,k的卸载时间，表示车辆vi将计算任务Ti,k上传至卸载车辆V的传输时延；C2表示卸载策略有Z＝{0,1,2,3}四种方案； 步骤4：宏基站使用基于BP神经网络改进的NSGA-Ⅱ算法求解目标函数，用于优化系统的卸载时延、卸载能耗和负载均衡；具体包括以下步骤： 步骤4.1：初始化NSGA-Ⅱ输入参数，包括种群规模NP，最大迭代次数ITERmax，交叉、变异概率pro∈[0,1]，其中NP包含车辆vi位置卸载的计算任务Ti,k； 步骤4.2：初始化种群，定义卸载决策Z，Z有四个取值，分别是0，1，2，3，即种群中的一个个体表现为Z＝{Z1,Z2,L,Zk|Zk∈0,1,2,3}，k表示所发布的计算任务Ti,k的数量，根据NSGAⅡ算法，每一个基因值代表一个计算任务Ti,k的卸载策略，即Z1＝1代表车辆vi的计算任务Ti,k被卸载到MEC服务器上处理，假设tfirst时刻有A辆车驶入宏基站服务范围，则接入宏基站服务范围的计算任务Ti,k有个，设定种群规模NP＝30，则初始种群就是一个NP×SC的矩阵； 步骤4.3：设初始样本集Sinitial＝{X1,X2,L,XNP}，同时计算Sinitial中第i个个体对应Xi的适应度向量fi，其中，fi是一个三维向量fi＝Fi,tall,i,eall,i，个体Xi是若干个计算任务Ti,k的卸载策略集合； 步骤4.4：训练BP神经网络，并保存网络模型Wnet，构建数据集Sdata，其中输入为yinput＝Sinitial，输出为所预测的fi'＝Fi',t'all,i,e'all,i，损失函数为其中NP为数据集样本个数； 步骤4.5：交叉、变异生成后代种群，包括： 步骤4.5.1：在0,1范围内产生一个随机值p，如果p＜pro，从种群中随机选择两个解X1和X2，进行交叉操作生成新的解，放入子代解集P'中；随机生成一个值μ∈[0,1]，选择解X的前μ×SC个基因值和解X的后1-μ×SC个基因值，重新组合成一个新解X'；同理，生成新解X'；如果p＞pro，从种群中随机选择一个解，进行变异操作生成一个新解，放入子代解集P'中，变异方式选用基本位变异，即随机改变解X的一个基因值； 步骤4.5.2：合并父子代种群，生成后代种群P”； 步骤4.6：生成种群P”的适应度向量f”和真实适应度向量f″real,i 步骤4.7：对得到的f″real,i进行快速非支配排序； 步骤4.8：进行拥挤度计算； 步骤4.9：改进精英保留策略，得到新解集； 步骤4.10：将新解集作为新的数据集存入数据集Sdata 步骤4.11：判断当前迭代次数是否达到设定运行轮次，若是，则跳转至步骤4.12，若否，则将新的训练集输入网络模型Wnet中，进一步训练，更新网络模型Wnet，并跳转至步骤4.5； 步骤4.12：计算当前父代解集中每一个个体的适应度函数，输出最优卸载策略Xbest＝{Z,Z,L,Z}； 步骤5：宏基站将得出的卸载策略返回车辆v，车载OBU单元根据卸载策略将计算任务卸载到不同的车联网设备，车载OBU单元给计算任务打上车辆身份标签，具体表现形式为 步骤6：车联网设备处理完计算任务后，根据身份标签寻找到目标车辆vi，返回计算结果。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。