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！

龙图腾网获悉西安交通大学申请的专利一种基于无线边缘网络的多维资源管理联合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：CN120835006B 。

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：202511340285.8，技术领域涉及：H04L41/16；该发明授权一种基于无线边缘网络的多维资源管理联合优化方法是由郑洛;苏秦设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种基于无线边缘网络的多维资源管理联合优化方法在说明书摘要公布了：本申请涉及无线通信技术领域，公开了一种基于无线边缘网络的多维资源管理联合优化方法。该方法包括：实时获取无线边缘网络中各个节点的多维度的资源状态信息；基于各个资源状态信息计算对应的资源指标；基于各个资源指标，通过强化学习确定各个节点的初始资源分配策略，以使各个节点中的每个节点基于初始资源分配策略构建并训练本地的第一策略模型，生成节点的本地资源分配策略；基于各个节点的本地资源分配策略及紧急任务队列长度，通过联邦学习对本地资源分配策略进行更新，并基于本地资源分配策略进行多维度资源分配。采用本方法能够实现对无线边缘网络中计算、存储、频谱与功率等多维度资源的协同调度，提升网络的整体效率。

本发明授权一种基于无线边缘网络的多维资源管理联合优化方法在权利要求书中公布了：1.一种基于无线边缘网络的多维资源管理联合优化方法，其特征在于，应用于处理器，所述处理器部署在终端、服务器或基站中；所述方法包括： 实时获取无线边缘网络中各个节点的多维度的资源状态信息； 基于各个资源状态信息计算对应的资源指标，包括：计算负载、存储碎片率、频谱效率及可靠性指标； 基于各个资源指标，通过强化学习确定所述各个节点的初始资源分配策略，以使所述各个节点中的每个节点执行以下操作：基于时空卷积长短期记忆网络构建本地的第一策略模型，基于所述初始资源分配策略、节点的历史需求数据及任务执行数据，训练所述第一策略模型；通过所述第一策略模型，生成所述节点的本地资源分配策略； 其中，基于各个资源指标，通过强化学习确定所述各个节点的初始资源分配策略，包括：基于各个资源指标，通过深度强化学习算法定义状态空间，生成状态空间参数：计算负载、存储碎片率、频谱效率及前一时刻的可靠性指标；基于各个状态空间参数定义动作空间，生成对应的资源调整量，作为动作空间参数；所述资源调整量包括：算力分配调整量、存储分配调整量、带宽分配调整量及功率调整量； ； ； ； ； 其中，、、、均为对应参数的权重矩阵；、、、为各自对应参数的偏置向量；为状态空间向量；为sigmoid激活函数；所述状态空间向量是基于所述状态空间参数构建的，具体为： ； 基于所述状态空间参数及对应的动作空间参数，构建策略网络；基于所述状态空间参数、所述动作空间参数及所述无线边缘网络的整体性能指标，构建多目标奖励函数；其中，构建多目标奖励函数，具体如下： ；其中，、、为权重系数，满足；权重系数用于平衡各个优化目标，确保奖励函数能够全面反映资源分配策略的优劣；为网络总时延；为网络最大允许时延；为算力分配调整量；为带宽分配调整量；为节点的计算负载；为用户的频谱效率；为节点的存储碎片率；基于所述动作空间参数的带宽分配调整量及功率调整量，通过贝叶斯博弈论引入用户间的竞争关系和不确定性以模拟多用户环境下的资源竞争行为，构建用户效用函数；所述用户效用函数的表达式如下： ； 其中，为功率补偿基准值；k为资源竞争惩罚系数；为传输速率项，用于反映用户的传输速率与功率消耗的平衡；为资源竞争项，用于抑制用户间的过度竞争；通过比较用户i的功率调整量与带宽分配调整量的比值，与其他用户j的功率调整量与带宽分配调整量的比值，用于衡量用户i所面临的资源竞争程度；为带宽分配调整量；为用户的频谱效率；为功率调整量；、分别为两个用户i、j的带宽分配调整量；、分别为两个用户的功率调整量； 通过交替迭代的方式优化所述多目标奖励函数及所述用户效用函数，以更新所述策略网络的参数，具体包括： 基于多目标奖励函数的奖励值和动作价值函数，通过梯度下降法更新智能体策略网络的参数 其中，为学习率；为折扣因子；为动作价值函数；表示对策略网络参数求梯度；为即时奖励，表示智能体在t时刻执行某个动作后环境反馈的奖励信号，用于指导策略优化方向； 求解贝叶斯均衡，通过优化用户效用函数、多目标奖励函数的奖励值的组合，求解用户的最佳响应策略； 设定收敛条件，判断智能体的策略网络和用户策略是否收敛； 基于更新后的策略网络，生成各个节点的初始资源分配策略； 基于各个节点的本地资源分配策略及紧急任务队列长度，通过联邦学习对各个节点的本地资源分配策略进行更新，包括：基于各个节点当前的紧急任务队列长度，确定各个节点对应的权重；根据各个节点的第一策略模型的模型参数及所述节点对应的权重，计算全局模型参数；将所述全局模型参数发送到各个节点，以使各个节点基于所述全局模型参数更新对应的第一策略模型；基于参数更新后的第一策略模型，生成所述节点的本地资源分配策略； 基于各个节点更新后的本地资源分配策略，为所述各个节点进行多维度资源分配。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。