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 > 北京邮电大学刘宜明获国家专利权

北京邮电大学刘宜明获国家专利权

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无人机辅助MEC系统联合任务调度及运动轨迹优化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:CN116257335B

龙图腾网通过国家知识产权局官网在2025-12-19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:202211613821.3,技术领域涉及:G06F9/48;该发明授权无人机辅助MEC系统联合任务调度及运动轨迹优化方法是由刘宜明;王熠鹏;张家祥;刘宝玲设计研发完成,并于2022-12-15向国家知识产权局提交的专利申请。

无人机辅助MEC系统联合任务调度及运动轨迹优化方法在说明书摘要公布了:本发明公开了一种无人机辅助MEC系统联合任务调度及运动轨迹优化方法,在充分考虑到在动态环境中地面终端设备及无人机均处于动态移动的条件下移动设备位置发生变化和计算任务部分卸载的情况,通过联合优化用户调度及计算任务卸载方式选择,无人机运动参数包括飞行角度、飞行速度和功率分配,将通信、计算与运动联合优化,有效降低了终端设备的计算任务处理时延,提升了无人机辅助边缘计算系统的卸载效率。并在仿真实验中与DQN等基线算法进行对比,发现DDPG算法在处理时延上有显著的提高。

本发明授权无人机辅助MEC系统联合任务调度及运动轨迹优化方法在权利要求书中公布了:1.一种无人机辅助MEC系统联合任务调度及运动轨迹优化方法,其特征在于,以最小化完成所有终端计算任务处理为优化目标,将无人机传输功率、任务卸载变量、无人机飞行速度、无人机飞行角度、无人机自身能量、无人机的移动区域和终端设备的移动区域作为约束,采用深度确定性策略梯度算法求解优化目标; 优化目标和约束表示如下: , 其中,tsumn是在时隙内完成计算任务处理的总时延,表示为: ‘ 其中,;为地面终端设备将计算任务全部卸载给无人机的传输时延,为无人机将计算任务部分卸载给基站的传输时延,为无人机计算任务时延,为基站部署MEC服务器侧完成计算任务所需时间;代表无人机的位置信息; 地面终端设备将计算任务全部卸载给无人机的传输时延表示为: ’ 其中为地面终端设备所携带的计算任务数据量大小,为地面终端设备和无人机之间的传输速率,表示为: ‘ 其中,是无人机和地面终端设备之间通信的可用带宽,是地面终端设备MDs的传输功率,是白高斯噪声,是非视距传输损耗,为二值函数,且,表示在无人机和地面终端设备之间没有遮挡,代表在无人机和地面终端设备之间有遮挡;无人机和地面终端设备MDs之间的信道增益表示为: ’ 其中,g0表示参考距离1m时的信道增益,为无人机和地面终端设备MDs之间的距离,代表无人机的位置信息,代表地面终端设备的位置信息; 无人机将计算任务部分卸载给基站的传输时延表示为: ‘ 其中为任务卸载变量,为无人机和基站之间的传输速率,表示为: ’ 其中,是无人机和基站之间通信的可用带宽,是无人机的传输功率,是无人机最大传输功率,是白高斯噪声;无人机和基站之间的信道增益表示为: ‘ 其中,g0表示参考距离1m时的信道增益,为无人机和基站之间的距离,代表无人机的位置信息,ln为基站的坐标; 无人机计算任务时延表示为: ’ 其中为无人机的计算能力,单位是每秒CPU的圈数;Cmn为处理每比特的数据所需要的CPU循环; 基站部署MEC服务器侧完成计算任务所需时间表示为: ‘ 其中,为基站的计算能力,单位是每秒CPU的圈数; C1是对无人机传输功率的约束,C2是对任务卸载变量的约束,C3是对无人机飞行速度的约束,C4是对无人机飞行角度的约束,C5是对无人机自身能量的约束,C6和C7分别是对无人机和终端设备的移动区域的限制;为无人机的飞行能耗,其中,,是无人机质量,为飞行时间,,为无人机本地计算能耗,为无人机的计算能力,为芯片结构对CPU处理的影响因子,为无人机自带电量; 采用深度确定性策略梯度算法求解优化目标的过程为: 状态空间表示为,其中代表无人机的位置信息,代表地面终端设备的位置信息,Drn代表剩余计算任务数据量的大小,代表无人机剩余的电量; 动作空间表示为,其中为无人机的速度大小,为无人机的飞行角度,为无人机的传输功率,为任务卸载变量; 奖励函数表示为,其中奖励函数为负的总时延; 使用Q-table来记录和更新状态-动作值,即,同时采用critic和actor网络进行更新,表示如下: ’ 其中,为critic神经网络的参数,为常数,为actor神经网络的参数。

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。