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！

龙图腾网恭喜东南大学申请的专利一种基于深度强化学习的多智能设备任务卸载决策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：CN115065678B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210362289.6，技术领域涉及：H04L67/10；该发明授权一种基于深度强化学习的多智能设备任务卸载决策方法是由杨鹏;易梦;李冰;陈维威设计研发完成，并于2022-04-07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多智能设备任务卸载决策方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的多智能设备任务卸载决策方法，用于解决物联网环境下具有多个智能终端设备的云边端融合网络中混合任务卸载和资源分配问题，该方法以数据传输速率作为性能评价指标。首先，获取该环境中每个智能终端设备以及环境的配置信息，然后建立以最大数据传输速率为目标的多智能终端设备卸载模型，最后基于深度强化学习方法求解最优任务卸载方案，再依据总体最优卸载方案进行任务卸载。本发明能够有效解决多接入边缘计算MEC网络中多智能设备混合任务卸载和资源分配的问题。

本发明授权一种基于深度强化学习的多智能设备任务卸载决策方法在权利要求书中公布了：1.一种基于深度强化学习的多智能设备任务卸载决策方法，其特征在于，包括如下步骤： 步骤1：获取环境中每个智能终端以及环境的配置信息； 步骤2：建立以数据传输速率作为性能评价指标的多智能终端卸载模型； 步骤3：基于深度强化学习方法求解最优任务卸载方案； 步骤4：依据总体最优卸载方案进行任务卸载； 其中，步骤1：获取环境中每个智能终端以及环境的配置信息，具体如下： 1在多智能设备场景中，每个移动用户都是一个智能终端，同时探索未知环境，给定时间步长t时的当前状态St，每个移动用户i得到观测值OSt,i，然后执行生成联合动作Ai，此外，所有的智能终端获得奖励rt并转移到下一个状态St+1的概率为pSt+1,rt|St,A,下一个观测值OSt+1,i由所有智能终端获得； 2在真实的MEC场景中，当前状态St包含了所有的通道状态信息，此外，每个智能终端的操作彼此都是未知的，因此，每一个智能终端都需要通过观察来了解整个环境，每个智能终端i的观测包括:信道增益gi，来自其他移动用户的干扰信道增益来自基站的干扰信道增益在每个时间步长t内，上述信道增益均能准确计算，观测值OSt,i定义为: 智能终端i在时间步长t内的奖励可定义为: ω1,ω2和ω3分别是平衡本地计算和用户到基站MobileusertoBasestation,M2B和用户到用户usertouser，U2U目标的速率权重；其中，i＝1，……N，t＝0，……T； 步骤2：建立以最大数据传输速率为目标的多智能终端卸载模型， 三种任务计算模式下的数据传输速率分别是: 1移动用户i在本地计算模式下的数据传输速率： 其中，fi表示CPU频率，Ui表示在时间步长t中处理1位数据所需的计算能力， 2移动用户i在用户到基站M2B模式下的数据传输速率： 其中W表示带宽，表示移动用户i和基站之间的传输功率，Ploss代表损失功率，代表移动用户i和基站之间的信道增益，σ2表示噪声功率，表示MEC服务器与移动设备i之间的干扰， 3移动用户i在用户到用户U2U模式下的数据传输速率： 因此，在MEC网络中，将用户的任务卸载到MEC服务器上的目的是为了提高移动计算中的数据传输速率，即最大限度地提高数据传输速率总和γi: 其中，xi∈{0,1},代表局部计算的指示器，yi∈{0,1}代表M2B卸载计算和U2U卸载计算的指示器，表示移动用户i在本地计算模式下的数据传输速率，表示移动用户i在用户到基站M2B模式下的数据传输速率，表示移动用户i在用户到用户U2U模式下的数据传输速率。

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南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。