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！

龙图腾网获悉北京交通大学申请的专利一种无线边缘算力网络中任务预编码和资源分配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：CN119584158B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202411529948.6，技术领域涉及：H04W24/02；该发明授权一种无线边缘算力网络中任务预编码和资源分配优化方法是由卢云龙;刘佳佳;吴昊;艾渤;代玥玥;杨汨;马国玉设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本一种无线边缘算力网络中任务预编码和资源分配优化方法在说明书摘要公布了：本发明提供了一种无线边缘算力网络中任务预编码和资源分配优化方法。该方法包括：构建无线边缘算力网络架构模型，建立任务执行时延和能耗模型，建立算力网络中以任务执行时延最小化为目标的算力调度与资源分配的联合优化问题；进一步，将联合优化问题分解为任务预编码子问题和联合任务划分、算力关联和算力分配子问题。通过基于凸优化的方法和一种多智能体强化学习算法的联合设计，有效应对动态复杂环境下任务传输的通信开销、算力未充分利用、任务的隐私安全等挑战。本发明方法可以在保证效率和稳定性能的同时有效指导智能体以更快的收敛速度获得任务预编码、算力关联和资源优化的最优策略。

本发明授权一种无线边缘算力网络中任务预编码和资源分配优化方法在权利要求书中公布了：1.一种无线边缘算力网络中任务预编码和资源分配优化方法，其特征在于，包括： 构建无线边缘算力网络系统架构模型； 基于所述无线边缘算力网络系统架构模型，建立无线边缘算力网络中以任务执行时延最小化为目标的算力调度与资源分配的联合优化问题； 利用双层优化算法将所述联合优化问题分解为任务预编码子问题和联合任务划分、算力关联和算力分配子问题； 对所述任务预编码子问题经过等价分析后，通过设计基于凸优化的算法求解得到预编码策略；通过设计一种多智能体深度强化学习算法对所述联合任务划分、算力关联和算力分配子问题进行求解，得到任务划分、算力关联和资源分配的优化策略； 所述的利用双层优化算法将所述联合优化问题分解为任务预编码子问题和联合任务划分、算力关联和算力分配子问题，包括： 设计双层优化算法将所述联合优化问题分解为任务预编码子问题和联合任务划分、算力关联和算力分配子问题； 在给定任务划分、算力关联和算力分配的情况下，将所述任务预编码子问题P2表述为： 将所述联合任务划分、算力关联和算力分配子问题P3表述为： 上述公式8和公式9的目标函数表示的是最小化所有任务的执行时间Tn，ε，A，Υ，F是优化变量，分别表示为任务表达率、任务关联、任务划分和算力分配变量；其中是二进制变量，表示任务节点与算力节点相关联，否则约束条件中εn∈0,1]表示任务节点的平均任务表达率范围，表示任务的执行性能需要大于阈值表示算力节点的总能耗开销不得超过其最大能量预算表示任务节点的所有子任务之间没有重叠，代表任务节点本地执行的任务比例，是任务节点分配给所有服务设备的任务比例和，是任务节点un分配给服务设备ud的任务比例，是任务节点分配给所有服务器计算节点的任务比例和，是任务节点un分配给服务器计算节点us的任务比例，代表任务划分的范围限制；表示只有任务与算力节点关联时才能分配任务；代表节点的计算能力范围； 所述的通过设计一种多智能体深度强化学习算法对所述联合任务划分、算力关联和算力分配子问题进行求解，得到任务划分、算力关联和资源分配的优化策略，包括： 将所述联合任务划分、算力关联和算力分配子问题P3转换为马尔科夫决策过程，建立多智能体强化学习算法的状态空间、动作空间和奖励函数； 1确定状态空间； 在每个时隙，智能体划分任务和算力资源，表示所有代理agent的联合观测空间，每个agent从环境中得到的部分观测值ont表示为表示环境的全局状态，是任务节点与算力节点的距离集合，是任务节点与算力节点之间的信道增益集合，在每个时隙表示为： 表示所有代理的联合动作空间，每个agent需要对任务划分、算力关联和算力分配做出决策，agent在时隙的动作表示为所有agent的动作表示为 将奖励函数设计为与约束和优化目标一致的混合奖励函数； 通过多智能体深度强化学习算法对所述联合任务划分、算力关联和算力分配子问题进行求解，得到任务划分、算力关联和资源分配策略，即任务与哪些算力节点相关联、算力节点执行任务的比例以及算力节点用于执行任务时分配的计算资源。

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交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。