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！

龙图腾网获悉南京航空航天大学申请的专利基于边缘实时系统的内存协同DNN层级调度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：CN118227335B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202410464221.8，技术领域涉及：G06F9/50；该发明授权基于边缘实时系统的内存协同DNN层级调度方法是由张彤;韩逸轩;朱琨设计研发完成，并于2024-04-17向国家知识产权局提交的专利申请。

本基于边缘实时系统的内存协同DNN层级调度方法在说明书摘要公布了：本发明公开了一种基于边缘实时系统的内存协同DNN层级调度方法，属于实时系统调度领域。该方法深入研究任务性能特征、构建优化模型和利用深度强化学习，实现最小化任务延迟、最大化任务满意度的目标。主要包括以下步骤：首先，通过深入研究每个DNN任务的性能特征，包括内存分配大小和执行时间，以确保系统在运行DNN任务时达到最佳性能。其次，根据问题定义，建立优化模型，并将其转化为马尔科夫决策过程，明确状态空间、动作空间和状态转换。最后，采用深度强化学习对问题进行求解，通过学习最佳调度策略，获得最优调度序列，以最大化任务满意度。本发明所述方法能够有效地适应复杂的边缘系统环境，为提升用户体验提供了可行的解决方案。

本发明授权基于边缘实时系统的内存协同DNN层级调度方法在权利要求书中公布了：1.一种基于边缘实时系统的内存协同DNN层级调度方法，其特征在于，包括以下步骤： 1DNN任务资源的需求进行预测分析，包括每个DNN任务对应的内存分配大小及该DNN任务在分配相应内存后的执行时间，得到DNN任务执行时间与内存大小之间的函数关系； 2根据问题定义，确定优化的目标，明确问题的约束条件以及确定决策变量的范围，从而建立优化模型，包括如下考虑： 21针对边缘系统，至少包括一个CPU和GPU，该边缘系统周期性来一组推理任务对于每个DNN任务所述的DNN任务由Li个DNN层组成，推理任务且DNN任务间存在依赖关系，由有向无环图组织； 22将xi，j＝0表示任务Ji的第j层在CPU上执行，xi，j＝1表示DNN任务Ji的第j层在GPU上执行，Si，j表示DNN任务Ji的第j层的开始时间； 对于有向无环图组织中的每个节点，表示DNN任务Ji的第j层在CPU上的执行时间，表示DNN任务Ji的第j层在GPU上的执行时间； DNN任务Ji在Si时开始，DNN任务响应时间为Ti，预计截止时间为Di；每个DNN任务开始时，都将分配根据步骤1得到的最优Mi大小的内存，直到DNN任务结束释放相应内存； 其中开始时间Si由调度器决定，DNN任务响应时间其中wi，j为DNN层τi，j的等待时间，ei，j为DNN层τi，j根据步骤S1得到的在GPU或CPU上的运行时间，即 23为充分利用系统资源，调度器需要生成高效的调度计划，因此使用任务满意度作为评估指标，任务满意度定义为预计截止时间与响应时间的比率，即： 其中Di是预计截止时间，Ti是任务响应时间；该比率越大，任务满意度越高，因此调度器的优化目标为最大化所有的任务满意度，表示为： 因此，得到约束条件如下所示： 以上约束表示不同任务的层之间不能同时在CPU或者GPU上运行； 以上约束表示在同一任务的DNN的不同层中，后一层的任务必须在前一层执行完毕后才能开始执行； 以上约束表示任意的任务Ji只有在其前继结点执行完毕后才能开始执行； 以上约束表示任意时刻同时分配的内存不大于系统最大内存； 以上约束表示所有任务都要在其截止日期之前完成； 3将优化模型转化为马尔科夫决策过程，定义状态空间、动作空间和状态转换，使用深度强化学习对优化问题求解，通过学习最佳调度策略以获得最优调度序列，从而最大化DNN任务满意度。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。