北京工业大学陆帅冰获国家专利权
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!
龙图腾网获悉北京工业大学申请的专利一种基于深度强化学习的移动边缘计算动态服务部署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:CN116390162B 。
龙图腾网通过国家知识产权局官网在2026-03-24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:202310302794.6,技术领域涉及:H04W28/08;该发明授权一种基于深度强化学习的移动边缘计算动态服务部署方法是由陆帅冰;闫冉;鲁鹏帆;刘海明;方娟设计研发完成,并于2023-03-23向国家知识产权局提交的专利申请。
本一种基于深度强化学习的移动边缘计算动态服务部署方法在说明书摘要公布了:本发明提供了一种基于深度强化学习的移动边缘计算动态服务部署方法。本发明在学习过程中引入迁移冲突解决机制,以维持用户的服务性能。具体来说,不仅要对网络状态进行预测,根据用户轨迹计算每个时隙,每个边缘节点所连接的用户,还要按照用户请求和所在边缘节点上的服务,确定哪些节点为拥挤节点,为拥挤节点进行资源预留,并检测是否会产生冲突。为了实现这一目标,首先,确定边缘计算的网络架构,之后建立系统模型和服务质量QoS模型,并将要解决的问题进行公式化。本发明研究了在物理资源和运营成本约束下,以最小化用户总开销为目标的时延和成本联合优化问题,同时考虑保障突发性聚集下多服务请求能够及时响应。
本发明授权一种基于深度强化学习的移动边缘计算动态服务部署方法在权利要求书中公布了:1.一种基于深度强化学习的移动边缘计算动态服务部署方法,该方法适用的网络构架为由云服务器、交换机和基站组成的架构模型;每个基站计算和存储能力有限,连接一个MEC服务器,每个MEC都有一个服务范围;服务均部署在虚拟机上,且每个用户只能由MEC上的一个服务提供服务;其特征在于包括以下步骤: S1.根据网络架构建立系统模型和QoS模型 系统模型如下:假设共有M个MEC节点,节点集合为M={mj},其中mj表示第j个节点;每个MEC节点连接一个基站,该基站计算和存储能力有限,边缘服务器mj的计算能力用表示,边缘服务器mj的存储能力用表示;MEC节点所服务的用户集合用U={ui}来表示,其中ui表示第i个用户;该系统在一段时间[0,T]内持续运行,将时间轴划分成T+1个离散的时隙t,t∈T={0,1,2,…,T};用户的服务请求集合用S={sh}来表示,其中sh表示第h个服务;用表示用户ui在t时隙是否使用边缘服务器mj所部署的服务sh,若ui在t时隙使用服务sh,则否则,用表示放置在边缘服务器mj上的服务集合,其中用表示集合所服务的用户集合; 对于每个边缘服务器,采用表示边缘服务器mj的预设总存储资源,即边缘服务器mj的服务资源阈值,采用表示边缘服务器mj当前所使用的存储资源,当时,定义该节点为拥挤节点; QoS模型如下:用dci,t表示用户ui在时隙t内计算延迟;αit为用户ui在时隙t内服务请求所需要的计算资源量;用表示用户ui在t时隙是否使用边缘服务器mj所部署的服务sh;表示边缘服务器mj的计算能力;计算时延为: 当用户和请求的服务处于不同区域并进行通信时,会产生通信时延;最大传输速率为: 其中,用表示物理链路的信道带宽,γ为ui的传输功率;表示ui与mj之间的信道增益,其中假设服务sh部署在边缘节点mj上,则为用户ui到边缘节点mj之间的距离;N为噪声功率;为通过MEC节点与提供服务节点之间的网络设备时的数据大小;数据传输由物理链路的带宽和数据大小决定,因此,通信时延dli,t为: 考虑通过动态服务迁移来优化用户体验;定义一个布尔变量表示用户ui的服务sh在时隙t内是否进行迁移;ρsh为服务sh的迁移时延,包括传输服务配置文件、重启软件资源;用户的迁移时延dui,t定义为: S3.建立面向时延和成本的联合优化模型; 假设动态服务放置过程中的成本是由跨边缘服务器的服务迁移产生的;为了满足用户在活动轨迹不确定情况下的服务质量QoS,可以通过动态迁移用户所需服务来适应用户的移动性,服务sh从边缘服务器ma迁移到ma'所产生的成本用表示,其中为服务sh在迁移过程中所产生的单位成本,具体计算公式为: 在时隙t内的总成本为: 集合U中用户在连续时间段[0,T]内的总成本为: 在时隙t内的总时延为: 其中dci,t,dli,t,dui,t分别表示用户的计算时延、通信时延和迁移时延; 集合U中用户在连续时间段[0,T]内的总时延为: 将集合U中用户在连续时间段[0,T]内的总时延dT和总成本cT映射到[0,1]范围内处理,故总时延和总开销分别为: 其中,和分别表示连续时间段[0,T]内的延迟和成本最大值,和分别代表在连续时间段[0,T]内的时延和成本最小值; 优化问题如下表示: minimizeωD+1-ωC12 权重为ω,用于表示用户对时延或成本的偏好,ω取值范围为[0,1],等式13表示成本约束,其中|S|表示服务数量,表示服务sh从边缘服务器ma迁移到ma'所产生的成本,要求提供服务的总成本不能超过阈值Γ,Γ表示运营商所能提供的最大总成本的上限;等式14表示物理资源约束,其中|sh|表示放置在边缘服务器mj上的服务数量,要求放置在边缘服务器上的服务不能超过存储能力服务请求所需的计算资源不能超过计算能力其中αit为用户ui在时隙t内服务请求所需要的计算资源量;等式15表示用户ui在t时隙内是否使用边缘服务器mj所部署的服务sh。
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工业大学,其通讯地址为:100124 北京市朝阳区平乐园100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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励