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！

龙图腾网获悉中国兵器工业计算机应用技术研究所申请的专利一种基于突发感知的时延敏感网络资源分配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：CN118631761B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202410758521.7，技术领域涉及：H04L47/72；该发明授权一种基于突发感知的时延敏感网络资源分配方法是由李旭光;郭阔;胡明哲;姜伟;赵冬冬;邵鹏志;任智颖;曹毅;马豪琪;袁艳敏;印泰桦;王唯;张凯朝;李子行设计研发完成，并于2024-06-13向国家知识产权局提交的专利申请。

本一种基于突发感知的时延敏感网络资源分配方法在说明书摘要公布了：本发明涉及一种基于突发感知的时延敏感网络资源分配方法，属于时延敏感网络技术领域，解决了现有技术中不能保证突发流传输可靠性的问题。方法包括以下步骤：在每个时隙内为突发流预留时隙资源；基于多队列循环转发确定每个时隙内每个交换机的每个队列的偏移值；根据预留时隙资源后的当前网络状态信息、每个时隙内每个交换机的每个队列的偏移值以及每个实时业务流的流信息，基于训练好的深度强化学习模型得到每个实时业务流的时隙资源分配方案。提高了网络对异构业务流量的调度能力。

本发明授权一种基于突发感知的时延敏感网络资源分配方法在权利要求书中公布了：1.一种基于突发感知的时延敏感网络资源分配方法，其特征在于，包括以下步骤： 在每个时隙内为突发流预留时隙资源； 基于多队列循环转发确定每个时隙内每个交换机的每个队列的偏移值； 根据预留时隙资源后的当前网络状态信息、每个时隙内每个交换机的每个队列的偏移值以及每个实时业务流的流信息，基于训练好的深度强化学习模型得到每个实时业务流的时隙资源分配方案； 所述深度强化学习模型包括预测网络和目标网络； 采用以下方式得到训练好的深度强化学习模型： S31、对于每一轮训练，以第一个实时业务流作为当前实时业务流； S32、构建当前状态输入所述预测网络，预测当前实时业务流分配在不同时隙和偏移值时对应的Q值，根据预测结果确定当前动作；所述当前状态包括每个时隙内每个交换机的每个队列的偏移值、当前网络状态信息和当前实时业务流的流信息；所述当前动作包括当前实时业务流对应的时隙和偏移值； S33、根据当前实时业务流对应的时隙和偏移值判断是否满足约束条件，若不满足，则当前实时业务流调度失败，若满足则当前实时业务流调度成功；基于当前状态和当前动作生成经验样本存入经验样本库；所述经验样本库用于更新预测网络和目标网络的参数； S34、若当前实时业务流调度失败，则将时隙资源利用率更新为初始资源利用率，结束当前轮训练，执行步骤S35；若当前实时业务流调度成功则以下一个实时业务流作为当前实时业务流，返回步骤S32；若不存在下一个实时业务流则执行步骤S35； S35、若训练轮次达到预设轮数则结束训练，得到训练好的深度强化学习模型，否则进行下一轮的训练； 基于当前状态和当前动作生成经验样本存入经验样本库，包括： 根据当前实时业务流对应的时隙和偏移值计算奖励值； 将所述当前状态、当前动作、奖励值、下一步的状态以及当前实时业务流的调度结果作为经验样本存入经验样本库； 基于经验样本库更新预测网络和目标网络的参数，包括： 基于当前状态和当前动作生成经验样本存入经验样本库后，从经验样本库中随机抽取一个经验样本，将抽取的经验样本的当前状态输入预测网络得到预测Q值，将下一步的状态输入目标网络得到目标Q值； 基于预测Q值、目标Q值、经验样本中的奖励和是否调度成功标志计算损失，基于计算的损失更新预测网络的参数； 若当前训练步数满足目标网络更新条件，则将目标网络的参数更新为预测网络的参数； 所述约束条件包括：突发流接收时隙长度约束、时隙容量约束，以及每条实时业务流在网传输的端到端有界低时延、抖动和零丢包约束； 所述突发流接收时隙长度约束为：突发流的队列偏移值与时隙长度的乘积大于等于时隙长度、突发流在交换机接口上的传输时延、突发流在链路上的传输时延和时钟偏差的和。

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中国兵器工业计算机应用技术研究所，其通讯地址为：100089 北京市海淀区车道沟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”。