Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学王磊获国家专利权

南京邮电大学王磊获国家专利权

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!

龙图腾网获悉南京邮电大学申请的专利一种应用于时间敏感网络的混合流量资源调度方法及装置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:CN120050239B

龙图腾网通过国家知识产权局官网在2025-07-11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:202510511298.0,技术领域涉及:H04L47/22;该发明授权一种应用于时间敏感网络的混合流量资源调度方法及装置是由王磊;张淼;窦海娥;李飞;刘陈设计研发完成,并于2025-04-23向国家知识产权局提交的专利申请。

一种应用于时间敏感网络的混合流量资源调度方法及装置在说明书摘要公布了:本发明提供一种应用于时间敏感网络的混合流量资源调度方法及装置,属于通信网络流量调度技术领域。该方法采用时间感知整形器机制和循环排队转发机制联合进行流量调度来满足确定性传输要求,建立满足时间敏感流确定性传输的前提下,最大化带宽流的调度成功率和带宽资源利用率等调度质量的多目标函数,采用融合噪声网络的深度噪声Q网络对该多目标函数进行求解,得到待调度流的最优时隙分配决策。本发明能灵活整合多目标并在大规模搜索空间中快速收敛至近优解,实现了时间敏感网络调度质量明显提升。

本发明授权一种应用于时间敏感网络的混合流量资源调度方法及装置在权利要求书中公布了:1.一种应用于时间敏感网络的混合流量资源调度方法,其特征在于,包括: 获取时间敏感网络中待调度流的特征信息,基于所述特征信息建立流量模型;所述待调度流包括时间敏感流和带宽流; 基于所述流量模型配置混合流量调度模型;所述混合流量调度模型基于时间感知整形器机制和循环排队转发机制联合进行流量调度; 在满足时间敏感流确定性传输的前提下,以最大化带宽流的调度成功率和带宽利用率为目标,将所述混合流量调度模型转化为多目标优化问题,所述多目标优化问题表示为: 其中,β1、β2、β3和β4表示权重,F为待调度流集合,包括时间敏感流和带宽流,fi为F中的元素,i为流序号,n为待调度流集合F中时间敏感流的个数,S表示流的调度成功率,表示带宽流从产生到发送完成的总时延,表示带宽流的截止时间,SCGate表示门控总调度周期,Nslot表示门控总调度周期的时隙数,Tslot表示最小调度时隙,Cs表示时隙s内总数据包的大小,表示时隙s的最大容量,表示时隙s内时间敏感流数据包的大小,表示时间敏感流fi ST从产生到发送完成的总时延,fi ST[D]表示时间敏感流fi ST的截止时间,表示带宽流的抖动,表示带宽流允许的最大抖动,表示流fi的抖动,fi[Jitter]表示流fi允许的最大抖动,表示流fi的丢包,ψ表示允许的最大丢包数,表示流fi的第x个数据包,表示一个指示函数,当数据包注入时隙s时其值为1否则为0,fi[pnum]表示流fi的流数据包数量,fi ST[psize]表示时间敏感流fi ST的流数据包大小,B表示链路带宽,fi[cycle]表示流fi的传输周期,%为取余符号,Qmax表示循环排队转发机制的每个队列最大容量,δ表示网络误差补偿,表示时隙分配决策,αfi∈[1,Nslot]表示流fi的注入时隙; 将所述多目标优化问题建模为马尔可夫决策过程,包括: 设置马尔可夫决策过程的状态参数为:st={ft,Φt},其中st表示智能体与环境第t次交互时状态,ft表示智能体与环境第t次交互时待调度流的特征信息,Φt表示智能体与环境第t次交互时一个门控总调度周期内每个时隙剩余容量; 设置马尔可夫决策过程的动作参数为at,所述动作参数at表示智能体与环境第t次交互时选择的动作,所述动作为所述多目标优化问题的时隙分配决策; 设置马尔可夫决策过程的奖励函数为: 其中,rt为采取动作at后获得的奖励,Γsucc为正的常数值,Γfail为负的常数值,Rdelay为时延奖励,Rjitter为抖动奖励,Runtil为资源利用率奖励; 对所述马尔可夫决策过程进行求解,得到待调度流的最优时隙分配结果。

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南京邮电大学,其通讯地址为:210003 江苏省南京市鼓楼区新模范马路66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”。

免责声明
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。