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！

龙图腾网获悉重庆大学申请的专利车联网服务卸载迁移及负载均衡方法、利用该方法的系统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：CN116017578B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310020958.6，技术领域涉及：H04W28/08；该发明授权车联网服务卸载迁移及负载均衡方法、利用该方法的系统是由叶青;谢符坤;曾令秋;林俐;韩庆文;叶蕾设计研发完成，并于2023-01-07向国家知识产权局提交的专利申请。

本车联网服务卸载迁移及负载均衡方法、利用该方法的系统在说明书摘要公布了：本发明提出了一种车联网服务卸载迁移及负载均衡方法、利用该方法的系统，该方法包括：VU获取任务，卸载部分计算密集型任务至该VU连接的MEC服务器；获取该VU卸载任务至MEC的通信延迟放置于该VU进行数据处理的计算密集型任务的本地计算的时延以及被卸载任务在MEC服务器的计算时延构建目标函数，对目标函数进行求解，获取任务卸载比例，以及是否对当前计算任务进行迁移，并以此控制VU和MEC服务器执行。本发明考虑了信道时变和任务随机到达情形下的系统时延优化，既保证了车辆任务在任务容忍时延内的完成率，又优化了提供服务的MEC服务器之间的任务迁移和负载均衡算法，满足了完成计算密集型任务的低时延和缓解计算资源过度负载的需求。

本发明授权车联网服务卸载迁移及负载均衡方法、利用该方法的系统在权利要求书中公布了：1.一种车联网服务卸载迁移及负载均衡方法，其特征在于，包括如下步骤： S1，第n辆VU获取任务Taskn＝{λn,Cn,Ttolerance}，λn为该VU的任务数据量，Cn为该VU计算该任务所需的CPU总周期数，Ttolerance为任务的容忍时延，n∈N，N为车联网内车辆总数，N为正整数； S2，将任务类型分为时间敏感型任务和计算密集型任务，若为时间敏感型任务，则放置于所述VU进行数据处理；若为计算密集型任务，则卸载部分计算密集型任务至该VU连接的MEC服务器进行计算； S3，获取该VU卸载任务至MEC的通信延迟放置于该VU进行数据处理的计算密集型任务的本地计算的时延以及被卸载任务在MEC服务器的计算时延 获取VU卸载任务至MEC的通信延迟的方法为： 对于每个时隙，车辆n的信道向量为hnt， 基站的接收信号表示为： 其中，po,nt代表车辆的传输功率，snt表示单位方差，nt表示高斯白噪声向量； 信道状态在时间t和t-1之间的变换表示如下： 其中，ρn是在时刻t和t-1之间的归一化通道相关系数，et为误差向量，呈高斯分布，使Ht＝[h1t,…,hnt]表示BS和N辆车之间的KxN通道矩阵，K为天线数量，记H+t作为ZF检测器，检测从yt接收到的VU信号，则线性译码器表示为： 其中HHt是Ht的共轭转置， 用表示H+t的第n行，存在当i＝j时，δij＝1，否则δij＝0，车辆n的接收信号表示为： 则车辆n在t时刻的信噪比为： [A]nn表示矩阵A的第n-n个元素，为方差； 则车辆n与MEC服务器m之间可达到的数据传输速率可计算为： rnt＝Blog21+γnt B是分配给每辆车的带宽， 则车辆n卸载部分任务到MEC的通信时延表示为 rnt为车辆n与MEC之间的数据传输速率，xn∈[0,1]为卸载比例，λn为任务量大小； 获取放置于VU进行数据处理的计算密集型任务的本地计算的时延的方法为： 其中，fn为车辆在本地计算任务时CPU的计算能力，Cn是计算任务n时所需的CPU总周期数，xn为车辆单元将任务卸载至MEC服务器计算的比例； 获取被卸载任务在MEC服务器的计算时延的方法为： 其中，Cnxn为卸载至MEC服务器的任务需要进行计算的CPU周期数，fm为MEC服务器m的计算能力，表示为任务n是否由MEC服务器m计算； S4，判断哪些卸载任务在MEC服务器的计算时延不满足QoS要求，将不满足QoS要求的任务在MEC服务器之间进行迁移实现负载均衡，获取迁移时延迁移成本以及负载均衡因子LBF；若所有卸载任务在MEC服务器的计算时延均满足QoS要求，令迁移时延迁移成本以及计算负载均衡因子LBF； 获取迁移时延迁移成本的方法为： 当MEC服务器将计算任务从第m个MEC迁移到第m'个MEC时，迁移时延表示为： MEC服务器之间为有线连接，Mb是MEC服务器之间的带宽，λn为总的数据量大小，λnxn为迁移的数据量大小； 迁移成本表示为： 其中μ为权重因子，μ0； 获取负载均衡因子LBF的方法为： 第m个MEC服务器的计算负载Lm表示为： M表示为MEC服务器的数量，N表示为任务的数量，与车辆数量相等，Lm表示为第m个MEC服务器上的计算任务的累加，如果任务n由服务器m进行计算处理，则 所有MEC的平均计算负载表示为： 为了确定计算负载是否在系统中的MEC之间公平分配，负载平衡通过计算负载的偏差来衡量，将负载均衡因子LBF定义为: S5，构建目标函数： S.tTTtolerance,xn∈[0,1], 其中，ω表示任务在不同MEC服务器之间发生的迁移次数， λl，w均为自定义的权重参数,w∈[0,1]，xn为卸载比例； S6，对目标函数进行求解，获取任务卸载比例，以及是否对当前计算任务进行迁移，并以此控制VU和MEC服务器执行； 采用DRL-MATD3算法对目标函数进行求解，具体步骤为： S11，为每个基站agenti初始化三个普通网络，其中包括两个critic网络和一个actor网络三个普通网络具有随机网络参数θi,1，θi,2和i为基站的序号； S12，为每个agenti初始化三个目标网络，包括两个target_critic网络参数Q′ θi,1,Q′ θi,2和一个target_actor网络参数将初始化的三个普通网络参数复制给目标网络，即θ′i,1＝θi,1，θ′i,2＝θi,2，并初始化回放缓冲区Buf； S13，初始化一个随机噪声ξ用于探测动作，并接收N辆车辆初始状态s＝sl,s2…,sn，其中sn＝{Taskn,hn,l}，Taskn＝{λn,Cn,Ttolerance}表示车辆n到达的任务信息，hn当前车辆n和基站之间的信道状况，l表示当前BS服务范围内MEC服务器的计算负载； S14，设置最大训练次数T1，t1为训练次数序号，T1为正整数，令t1＝1，执行以下操作： 对于每个agenti，选择随机动作aj～μisj+ξi，ξi为噪音，j∈1,N表示VU序号，μisj表示网络输入sj状态， 进行神经网络的探索，确定当前策略，执行动作空间a＝a1,…,an，其中an＝{xn；qn}， xn表示卸载比例，qn表示对卸载到MEC服务器上的任务的迁移决策，对动作空间的求解就是对下一步卸载决策和任务迁移决策的求解， 执行下一步动作后观察当前策略的奖励r和新状态s′， r＝-λlT+wCmigrate+1-wLBF 将执行当前探索得到的经验元组s,a,r,s′存放于回放缓冲Buf中，并更新状态s＝s′； 对每个agenti执行如下操作：当Buf中的元组数量达到一定值时，从Buf中随机抽样N个样品sj,aj,rj,s′j，设定目标值yj＝r+γ*target_q_min，γ为折扣率，是由人为主观设定权重参数，并根据计算的目标值yj和Q值对critic网络的θi,n参数进行更新，其中，在计算目标值yj时，通过使用两个critic网络估算Q值，实现doublenetwork，选择相对较小的Q值即target_q_min作为计算目标值yj的参数； 当critic网络更新次数达到设定的某参数值时，actor网络和target_critic、target_actor网络的参数进行一次更新； S15，令t1＝t1+1再次执行步骤S14，直到完成所有的训练轮次，得到最终训练的网络。

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重庆大学，其通讯地址为：400030 重庆市沙坪坝区沙正街174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”。