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！

龙图腾网获悉重庆邮电大学申请的专利一种低空无人机网络中基于服务缓存的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：CN117295087B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311125866.0，技术领域涉及：H04W24/02；该发明授权一种低空无人机网络中基于服务缓存的任务卸载方法是由鲍宁海;何恒设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本一种低空无人机网络中基于服务缓存的任务卸载方法在说明书摘要公布了：本发明请求保护一种低空无人机网络中基于服务缓存的任务卸载方法,属于通信技术领域。针对无人机网络中服务缓存和计算资源的局限性可能导致任务卸载效率和能耗效率较低的问题，提出一种基于服务缓存的任务卸载方法。该方法根据无人机群与地面用户的相对位置关系、任务容忍时延，以及服务流行度等约束条件，采用差分进化思想建立基于服务缓存的任务卸载和资源分配优化模型。通过对无人机群服务缓存配置子问题、任务卸载调度和计算资源分配子问题的求解和迭代优化，获得最佳的无人机位置部署和服务缓存配置，并实现最优的任务调度和资源分配，从而有效降低系统的单位任务时延和单位任务能耗。

本发明授权一种低空无人机网络中基于服务缓存的任务卸载方法在权利要求书中公布了：1.一种低空无人机网络中基于服务缓存的任务卸载方法，其特征在于，包括以下步骤： 101、采用差分进化算法构建优化模型，设种群个体数量为K，变异缩放因子为ε，交叉概率为λ，最大迭代次数为G，初始化迭代计数变量g＝0，种群个体计数变量k＝0，第g代种群中K个个体的无人机群3D位置向量集{Qg,k|k≤K}； 102、如果g≤G，转到步骤103，否则，跳转到步骤107； 103、令k＝k+1，如果k≤K，根据当前无人机群位置向量Qg,k，调用子算法1获得第g代第k个个体的无人机群服务缓存配置决策Bg,k，调用子算法2获得任务卸载决策Ag,k与计算资源分配决策Fg,k，计算获得目标函数值ΓAg,k,Bg,k,Fg,k,Qg,k，跳转到步骤104，否则，转到步骤106； 104、对Qg,k进行变异和交叉操作，获得变异交叉后的无人机群位置向量调用子算法1获得后第g代第k个变异交叉个体的无人机群服务缓存配置决策调用子算法2获得任务卸载决策与计算资源分配决策计算获得目标函数值 105、如果令 跳转到步骤103，否则，跳转到步骤103； 106、从第g代种群的K个个体{Qg,k|k≤K}中选择获得最优个体的解Ag,Bg,Fg,Qg＝argmin{ΓAg,k,Bg,k,Fg,k,Qg,k|k∈[1,K]}，其中，Ag，Bg，Fg，Qg分别为第g代种群中最优的无人机群任务卸载决策、服务缓存配置决策、计算资源分配决策以及无人机群位置向量，令g＝g+1，k＝0，跳转到步骤102； 107、从总共G代种群中选择获得最优个体的解A*,B*,F*,Q*＝argmin{ΓAg,Bg,Fg,Qg|g∈[1,G]}，其中，A*，B*，F*，Q*分别为全局最优的无人机群任务卸载决策，服务缓存配置决策，计算资源分配决策，以及无人机群位置向量，算法结束； 所述步骤103和步骤104中子算法1包括以下步骤： 1设无人机集合N中每架无人机n上的边缘服务器最大可用缓存容量为Vn，令服务类型集合S中每个服务s在无人机n上的缓存状态变量bn,s＝0，表示服务s未在无人机n上缓存，其中，vs表示服务s的数据量； 2计算服务集合S中每个服务s的流行度概率ρs，根据无人机群与地面用户的相对位置关系，获得集合N中每架无人机n有效覆盖区内的用户数量ψn； 3根据ρs的值对集合S中的元素降序排列，根据ψn的值对集合N中的元素降序排列，令临时集合N′＝N，S′＝S，计数变量i＝1； 4如果取出S′中第一个元素s，跳转到步骤5，否则，令S′＝S，跳转到步骤4； 5如果i≤|N′|，获得N′中第i个元素n，跳转到步骤6，否则，令N′＝N，i＝1，跳转到步骤7； 6如果vs≤Vn，服务s可缓存至n上的边缘服务器，令bn,s＝1，Vn＝Vn-vs，将n从N′中移除，i＝1,跳转到步骤4，否则，令i＝i+1，跳转到步骤5； 7如果Vmax＜vmin，跳转到步骤8，否则，跳转到步骤4； 8输出服务缓存配置决策B＝{bn,s|n∈N,s∈S}，算法结束； 所述步骤103和步骤104中子算法2包括以下步骤： 11对无人机集合N中每一架无人机n和用户集合M中每一个用户m，设无人机n的可用计算资源为可用计算能量为初始化用户m卸载s类型任务到无人机n的决策变量以及卸载s类型任务到本地的决策变量 12令临时集合M′＝M，根据M′中每架无人机n的有效覆盖半径rn和服务缓存状态{bn,s|s∈S}，为每个用户m建立候选无人机集合Nm，并根据|Nm|的值，对M′中的元素升序排列； 13如果取出第一个用户m，跳转到步骤14，否则，跳转到步骤19； 14如果令跳转到步骤13，否则，跳转到步骤15； 15计算用户m对Nm中每架无人机n的计算资源需求fm,n和计算能量需求 16根据的值对Nm中元素降序排列，并根据的值对序列中具有相同值的无人机降序排列； 17如果从Nm中取出第一架无人机n，跳转到步骤18；否则，令跳转到步骤13； 18如果且令 将fm,n作为用户m在无人机n上的计算资源分配决策，跳转到步骤13，否则，跳转到步骤17； 19对于无人机集合N中的每架无人机n，如果大于最小单位计算资源且大于最小单位计算能量，依次为的用户m补充分配最小单位计算资源并循环更新fm,n，跳转到步骤20，否则，跳转到步骤20； 20输出任务卸载决策与计算资源分配决策F＝{fm,n|m∈M,n∈N}，算法结束； 所述步骤103、步骤104、步骤105、步骤106和步骤107中目标函数的定义如公式7所示： 公式7中，A,B,F,Q的表现形式可为Ag,k,Bg,k,Fg,k,Qg,k，Ag,Bg,Fg,Qg，A*,B*,F*,Q*；其中，表示任务卸载决策，B＝{bn,s|n∈N,s∈S}表示服务缓存配置决策，Q＝{xn,yn,hn|n∈N}表示无人机群位置部署决策，F＝{fm,n|m∈M,n∈N}表示计算资源分配决策，α为权重因子，为任务卸载时延的归一化，如公式8所示，为任务卸载能耗的归一化，如公式9所示： 公式8中，表示用户m的任务卸载时延，如公式10所示；公式9中，表示用户m的任务卸载能耗，如公式11所示： 公式10中，表示用户m的本地卸载决策变量，如果用户m在本地执行s类型卸载任务，否则 表示用户m的无人机卸载决策变量，如果用户m在无人机n上执行s类型卸载任务，否则，tm和tm,n分别表示用户m的本地卸载时延和无人机卸载时延，如公式12和公式13所示；公式11中，em和em,n分别表示用户m的本地卸载能耗和无人机卸载能耗，如公式14、15所示： em＝κ·wm·cm·fm214 公式12中，fm表示用户m的本地计算能力；公式13中，表示用户m将任务上传至无人机n的传输时延，如公式16所示，表示用户m的任务在无人机n上执行的计算时延，如公式17所示；公式14中，κ表示用户的能量系数；公式15中，表示用户m将任务上传至无人机n的传输能耗，如公式18所示： 公式17中，fm,n表示无人机n分配给用户m的计算资源。

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邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。