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！

龙图腾网获悉东莞理工学院申请的专利一种基于细菌觅食算法的移动边缘计算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：CN118870434B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202410824006.4，技术领域涉及：H04W28/084；该发明授权一种基于细菌觅食算法的移动边缘计算任务卸载方法是由晏晓辉;郑建超;张煜康;张良伟;张正敏;罗浚伟设计研发完成，并于2024-06-25向国家知识产权局提交的专利申请。

本一种基于细菌觅食算法的移动边缘计算任务卸载方法在说明书摘要公布了：本发明公开了一种基于细菌觅食算法的移动边缘计算任务卸载方法，其步骤包括：S1、构建多对多边缘计算卸载模型；S2、建立边缘服务器和移动设备的时延模型与能耗模型；S3、以边缘服务器和移动设备上最长时延作为系统的总时延，以总能耗作为系统能耗，加权获得系统优化总目标，利用改进细菌觅食算法求得系统最优目标并获得最优卸载结果；S4、修改细菌觅食算法的三层循环嵌套结构，并将细菌觅食算法改为趋化与迁徙并行的单层循环架构，并使用改进的细菌觅食算法不断迭代更新细菌位置并获得最佳的卸载策略和系统优化目标。该方法能够保证系统中所有的移动设备都能将计算任务合理的卸载到边缘服务器或者本身上进行处理，以降低系统时延与能耗。

本发明授权一种基于细菌觅食算法的移动边缘计算任务卸载方法在权利要求书中公布了：1.一种基于细菌觅食算法的移动边缘计算任务卸载方法，其特征在于，包括有以下步骤，具体的： 步骤S1、在智慧车间场景下，构建基于多移动设备、多计算任务、多边缘服务器的多对多边缘计算卸载模型； 其中，步骤S1具体包括： 步骤S11、智慧车间中每个移动设备都会产生Nll＝1，2，...，K个待计算任务，K表示智慧车间中移动设备的数量，每个任务都有自己的任务数据大小、计算复杂度，即每个任务通过二重Task＝{S，C}表示，其中S是数据大小，C是计算复杂度，由处理每Bit计算任务所需的CPU周期数表示； 步骤S2、初始化移动设备、边缘服务器的相关参数，并依据相关参数建立边缘服务器和移动设备的时延模型与能耗模型； 步骤S3、边缘服务器、移动设备均具有计算能力，每个移动设备所产生的计算任务可以卸载到边缘服务器进行计算或者在移动设备本身进行计算，以边缘服务器和移动设备上最长时延作为系统的总时延，以总能耗作为系统能耗，加权获得系统优化总目标，利用改进细菌觅食算法求得系统最优目标并获得最优卸载结果； 步骤S4、修改细菌觅食算法的三层循环嵌套结构，并将细菌觅食算法改为趋化与迁徙并行的单层循环架构，趋化过程中引入基于相对位置移动的策略和Dropout策略，在迁徙操作中引入基于高斯分布确定方向的迁徙策略，并使用改进的细菌觅食算法不断迭代更新细菌位置并获得最佳的卸载策略和系统优化目标； 其中，在使用改进的细菌觅食算法不断迭代更新细菌位置并获得最佳的卸载策略过程中，其步骤包括有： 步骤S41、设置算法中的细菌种群以及对相关参数进行初始化； 步骤S42、经过多次的迭代，不断更新每次寻优中的细菌位置，最终找出具有最佳适应度值的细菌位置，代入到通过步骤S1搭建好的计算卸载系统模型中，得到最佳的卸载策略； 其中，所述步骤S2具体包括： 步骤S21、使用所有边缘服务器和移动设备上的最长完成时间作为模型的总延迟时间，可表示为：minf1＝max{Tj},j＝1,2,…,M+K；其中K表示智慧车间中移动设备的数量，M表示智慧车间中边缘服务器的数量；Tj是第j个设备的完成计算任务的时间，该设备可以是边缘计算服务器j＝1，2，...，M或移动设备j＝M+1，M+2，...，M+K； 分配给设备的所有任务的完成时间的总和表示为：其中是任务总数；Xij＝1表示第i个任务分配给第j个设备，否则Xij＝0；Tij是第i个任务在第j个设备上的计算时间； 步骤S22、系统的能耗目标来自移动设备的任务计算消耗以及传输到边缘服务器的传输消耗，具体可以表示为： 其中，Pj是移动设备的计算功率，Xij＝1仅当第j个设备是第i个任务所属的设备时； 步骤S23、该系统模型存在如下约束，具体表示为： Xij＝0or1； 其中，Xij为0‑1变量，该系统模型的唯一约束为每个任务只能分配给一移动个设备或边缘服务器执行，当表示为0时，则该任务卸载到服务器进行计算；当表示为1时，则该任务在本地移动设备进行计算； 所述步骤S21包括有以下两种情况，具体的： 情况1、如果处理计算任务的设备是移动设备，则表示任务在本地执行，时间延迟Tij是设备本身的计算时间； Tij＝Tlij； Tlij＝Si*CiFlj； 其中，Tlij代表任务分配到移动设备本身的计算时间，Flj是本地移动设备的CPU频率； 情况2、如果处理计算任务的设备是边缘服务器，则时间延迟Tij由从移动设备到边缘服务器的传输时间Ttij和边缘服务器上的计算时间Teij组成，具体表示为： Tij＝Ttij+Teij； 其中，Ttij是指计算任务从移动设备到边缘服务器的传输时间，Teij是指任务在边缘服务器上的计算时间，具体的： Ttij＝SiTSij； Teij＝Si*CiFej； 其中，Fej是第j个边缘服务器的CPU频率，TSij是第i个任务所属的移动设备到第j个边缘服务器的传输速度，由香农定理确认，TSij表示为：B是带宽，是第i个任务所属的移动设备的传输功率，Hij是从设备到第j个边缘服务器的通道增益，N0是背景噪声功率； 其中，所述步骤S3具体包括： 步骤S31、在智慧车间场景下，综合考量时延目标与能耗目标，采用加权求和的方式来将两个目标转化成一个单目标问题，具体表示为： 其中，f1为时延目标，f2为能耗目标，权重系数设置为1M，使得两个目标上的变化保持在相近的尺度上，从而使两个目标具有相近的敏感度并都能被优化到，以保证综合目标的合理性； 其中，所述步骤S42具体包括： 步骤S421、将原始细菌觅食算法的三层循环嵌套结构修改为单层循环嵌套结构，在每次迭代过程中，细菌进行趋化后，以一定的概率进行迁徙，不再单独执行繁殖和消亡操作； 算法的终止判定条件由结束最后一次迁徙改为达到最大函数评估次数； 步骤S422、在趋化过程中，引入基于相对位置的移动策略，细菌可以实现群体间信息交互，加快收敛速度，更快的找到优化方向，改进后的公式如下所示： Xi＝Xi+rand*Xbetter‑Xi； 其中，Xi表示细菌个体位置，Xbetter表示比当前位置适应度更好的一个其他随机个体位置，rand是一个0到1之间的随机数； 步骤S423、在趋化过程中，引入基于dropout策略的拓扑结构，设置了一个名为dropout‑rate参数，在步骤S422所描述的位置更新前，根据dropout‑rate隐藏部分比例的细菌个体位置，让个体i朝着其余保持连接的个体中相对优秀的方向做移动； 步骤S424、在迁徙过程中，引入基于高斯分布确定方向的迁徙操作，在迁徙时，一半的概率将其迁徙到搜索空间的随机位置，另一半的概率将在目前找到的全局最优位置附近通过高斯变异生成，具体表示为： Xi＝Xbest*Gaussian0,1； 其中，Xbest代表当前找到的最优解位置，Gaussian0,1是一组高斯分布随机数； 步骤S425、通过本轮的细菌位置获得当前最优的优化目标值，并记录对应的细菌位置； 步骤S426、将本轮获得的最优的优化目标值与全局最优的优化目标值进行比对，若本轮获得的最优的优化目标值优于全局最优的优化目标值，则将全局最优的优化目标值更新为当前的最优的优化目标值； 步骤S427：判断本轮的迭代次数是否达到最大迭代次数，若未达到则重新进行步骤S42，反之则输出最佳卸载策略和对应的优化目标值。

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东莞理工学院，其通讯地址为：523000 广东省东莞市松山湖科技产业园区大学路1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。