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能耗任务迁移和资源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：CN116489619B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310447034.4，技术领域涉及：H04W4/40；该发明授权一种低能耗任务迁移和资源调度方法是由李职杜;钟艾玲;唐桐;刘涛设计研发完成，并于2023-04-23向国家知识产权局提交的专利申请。

本一种低能耗任务迁移和资源调度方法在说明书摘要公布了：本发明涉及一种低能耗任务迁移和资源调度方法，属于通信领域。针对车联网中多计算业务共存的场景，由于不同业务性能指标的差异使得任务迁移和资源调度变得困难，进而导致车辆系统的会产生过多的能量消耗，减少了续航能力。其中，根据车辆产生不同业务的特性，对多业务场景中的能耗和时延进行建模分析；然后，协同本地车载计算、辅助车辆计算以及边缘计算设计了一个V2I链路分配、功率控制和任务迁移的方法来降低车辆系统的能量消耗；最后，根据问题性质将问题建模为一个马尔可夫决策过程，并利用多智能体深度强化学习来求解以保障车辆在多业务和动态边缘环境能实现自适应实时的任务迁移和资源调度。

本发明授权一种低能耗任务迁移和资源调度方法在权利要求书中公布了：1.一种低能耗任务迁移和资源调度方法，其特征在于：该方法包括以下步骤： S1：根据车联网中业务时延需求特性，将车载任务划分为普通任务和紧急任务； 普通任务为计算密集型任务，任务处理方式为本地和路侧单元RSU的协同计算； 紧急任务为时延敏感型任务，任务处理方式为本地和邻居辅助车辆协同计算； 紧急任务使用车辆到车辆V2V无线链路，共享普通任务使用的车辆到基础设施V2I无线链路，分别为两类任务的时延和能耗进行建模； 步骤12：不同任务的计算复杂度和时延需求有所不同，分别对紧急任务和普通任务时延进行建模；根据步骤1所设计的任务处理方式紧急任务的时延包含两部分表示为： 其中，表示紧急任务在本地执行的时延，表示在辅助车辆处理任务的时延；紧急子任务的本地执行方式只考虑本地实时的计算能力和子任务的计算量，将任务迁移至辅助车辆通过V2V无线链路将计算任务传输至邻近车辆，将无线链路中存在其他V2V链路和V2I链路的干扰，纳入到传输速率的建模中，不考虑计算结果回传的时延；紧急任务本地执行时延表示为： 其中，为时隙间隔，为时隙集合，是一个二进制指示变量，表示子任务在本地进行计算，否则迁移到辅助车辆； 保证定义的时隙间隔满足一个时隙内传输的子任务能在一个时隙间隔内完成计算，则紧急任务在辅助车辆的执行时延由计算时延和传输时延给出： 其中，是一个二进制指示变量，如果车辆的V2V链路共享第条V2I链路的频谱资源，则，否则，表示处理该任务1bit所需的计算资源，表示可用于处理车辆卸载任务的相邻车辆的计算资源： 为车辆的V2V链路在时隙内占用第条V2I链路的数据传输速率，为信道带宽，为信噪比表示为： 其中，表示车在V2V链路上的传输功率，为噪声功率；此外为干扰功率表示为： 其中，表示时隙内车辆与RSU之间的传输功率；和表示车辆的V2V链路在时隙第条V2I链路上的传输功率和干扰信道增益； 普通任务的处理时延来表示为： 其中，表示普通任务在本地执行的时延，表示在RSU处理任务的时延；普通任务本地计算的时延表示为： 其中，为指示变量，表示相应的子任务在本地处理，则表示将任务卸载到RSU； 将子任务在时刻迁移到RSU，则该子任务的执行时延包括传输时延和计算 时延表示为： 其中，为车辆在第条V2I链路上的数据传输速率表示为： 其中，为车辆在时隙通过第条V2I链路的接收信干噪比表示为： 为复用此条链路的V2V链路所产生的干扰表示为： 步骤13：根据步骤12的任务时延，结合各边端的计算能力以及不同链路发射机的功率，构建不同任务的能耗模型；紧急任务的能耗来自本地计算能耗和任务迁移所带来的能耗表示为： 其中，表示紧急任务在本地执行的能耗，表示在辅助车辆处理任务的能耗；通过控制发射机功率、V2V链路选择和调度任务的方式，减少无效调度方式带来的能量消耗；车辆本地执行紧急任务的能耗为： 其中，表示执行紧急任务的本地计算能力，和为与计算芯片的硬件特性有关的常数，当任务被卸载到相邻的车辆时，数据传输和任务计算都会消耗能量；此时，任务执行的能量消耗为： 车辆执行普通任务的本地计算能力为，其中，f为车辆分配用于处理普通任务的计算资源；计算出车辆在本地执行普通任务时的能耗为： RSU有外部供电，在处理普通任务时只考虑车辆的能耗；执行任务的能耗为： S2：根据步骤1中的时延和能耗，设计一个多业务能耗模型为： S3：车载任务不断产生，车辆对任务的处理形成顺序决策问题，将问题建模为马尔可夫决策过程，采用多智能体深度强化学习对问题进行求解，对模型进行训练； S4：根据S3训练好的模型，将模型部署到车辆进行应用。

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 重庆市南岸区黄桷垭崇文路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”。

以上内容由龙图腾AI智能生成。