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！

龙图腾网获悉南京理工大学申请的专利一种基于本地和边缘协同缓存的独立任务卸载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：CN116260871B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310200404.4，技术领域涉及：H04L67/568；该发明授权一种基于本地和边缘协同缓存的独立任务卸载方法是由周川;徐鹏程设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本一种基于本地和边缘协同缓存的独立任务卸载方法在说明书摘要公布了：本发明公开了一种基于本地和边缘协同缓存的独立任务卸载方法，引入了服务缓存的概念，提出一种基于服务缓存的任务卸载和资源分配方法。首先以能量消耗和时间延迟的加权和为优化目标，将任务卸载、服务缓存和资源分配问题表述为混合整数非线性规划问题，并建立对应的通信模型、计算模型和缓存模型；其次，将上述问题近似为一个马尔可夫决策过程，并提出了一种基于深度确定性策略梯度算法来解决任务卸载、服务缓存和资源分配问题，最终降低了任务卸载过程中带来的能量消耗和时间延迟。

本发明授权一种基于本地和边缘协同缓存的独立任务卸载方法在权利要求书中公布了：1.一种基于本地和边缘协同缓存的独立任务卸载方法，包括以下步骤： 步骤S1：确定边缘计算架构，包括本地设备、无线访问接入节点AP和边缘服务器ES，其中本地设备通过AP和ES相连接； 步骤S2：建立MEC架构的通信模型、计算模型、缓存模型，确定单个本地设备的时延和能耗，建立以能耗和时延加权和为优化目标的方程，同时确定约束条件； 步骤S3：将S2提出的优化问题近似为一个马尔可夫决策过程，将ES剩余的计算资源、剩余的带宽资源、本地设备和ES的剩余缓存容量、能耗和时延加权和设计成状态向量，将任务卸载策略、缓存策略、计算资源和带宽资源分配策略设计成动作向量，以能耗和时延加权和为优化目标的方程作为奖励，转化为求解最优任务卸载策略问题和缓存策略问题； 步骤S4：基于DDPG算法，初始化深度强化学习模型的策略价值网络Actor、动作价值网络Critic以及经验回放缓冲区，Actor基于当前状态S随机做动作A，获得奖励R和新的状态S'，同时，Critic根据Actor做出的动作A和当前状态S更新Actor，并将交互后的历史状态S、下一个状态S'、动作A、奖励R作为样本传输元组存储起来至经验回放缓冲区中，从经验回放缓冲区中选择元组重复上述过程以训练Actor和Critic； 步骤S5：获取当前时隙的系统状态，将系统状态输入至训练好的深度强化学习模型中，利用训练好的深度强化学习模型，得到每个时隙的最优缓存策略和最优任务卸载策略； 其中，缓存模型具体为： 为了进一步降低时延与能耗并节约ES上有限的计算资源，将部分热点内容结果存放在ES上和本地设备中，本地设备在执行计算任务之前，会首先与区域内的ES和其他本地设备进行通信，查询其缓存信息，然后判断是否在本地设备执行或者卸载到ES计算，如果在本地设备计算，本地设备已经拥有缓存结果则直接返回结果，或者缓存在其他本地设备，通过ES传输给本地设备，否则本地设备自己计算；如果选择卸载到ES进行计算，任务的计算结果已经存储在ES的缓存中，则直接返回结果，否则在ES进行计算； 此外，考虑基于内容流行度的缓存策略，根据其最高流行度来存储计算任务所需要的数据，直到存储容量达到上限，本地设备对热门数据的请求概率遵循统计数据中的Zipf分布，则本地设备UEi请求ES的计算任务v概率如下式： e0为Zipf分布影响因子，V表示全部内容； 定义为二元缓存变量，ES代表边缘服务器，当表示时隙t下ES缓存了本地设备UEi的某个任务K的计算结果，则表示没有缓存任务K的计算结果，δi表示本地设备UEi缓存在ES的容量大小，假设ES的容量大小为MES，n个本地设备在ES缓存容量的使用不能超过ES的最大缓存容量： 定义为二元缓存变量，UD代表本地设备，表示本地设备UEi缓存了任务K的计算结果，而表示本地设备UEi没有缓存任务K的计算结果，εi表示为缓存在本地设备UEi的容量，假设所有本地设备的缓存总容量为MUD，n个本地设备的缓存容量使用不能超过最大缓存容量：

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。