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！

龙图腾网获悉电子科技大学申请的专利一种基于深度强化学习的边缘计算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：CN116193471B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211693834.6，技术领域涉及：H04W24/02；该发明授权一种基于深度强化学习的边缘计算卸载方法是由张瑛;梁博轩;文雨农;丁汀;胡亚捷设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于深度强化学习的边缘计算卸载方法在说明书摘要公布了：本发明属于移动边缘网络计算卸载领域，具体涉及一种基于深度强化学习的边缘计算卸载方法。本发明首先将移动边缘网络中计算卸载问题建模为多目标优化问题，综合考虑时延与能耗，其中需要优化的参数为卸载决策、设备的CPU频率以及发射功率。采用分解的思想将MOP分解为一系列标量优化子问题，然后将每个子问题建模为马尔科夫决策过程，根据基于邻域的参数传递策略和DRL训练算法，协同优化所有子问题的模型参数。进一步得到问题的帕累托最优解。

本发明授权一种基于深度强化学习的边缘计算卸载方法在权利要求书中公布了：1.一种基于深度强化学习的边缘计算卸载方法，其特征在于，包括以下步骤： 步骤1：将计算卸载问题建模为多目标优化问题，这里的卸载决策考虑二进制卸载； 定义移动设备本地执行的时延为，能耗为，其中为计算执行任务所需要的CPU工作周期数，为移动设备CPU的工作频率，为硬件相关系数； 定义将任务卸载至MEC服务器的时延为，能耗为，其中为计算任务的数据量大小，为服务器CPU的工作频率，为数据传输速率，依据香农定理，表示为： ， 其中为信道的带宽，表示传输功率，表示移动设备与小型基站SBS之间的信道系数，为传输过程中的噪声功率； 设定优化目标为时延与能耗，建立优化问题为： ， ， ， ， ， 其中，，为卸载决策，约束条件C1表示每个任务的执行时间不能超过其允许的最大时延；C2表示设备的本地CPU工作频率只能在有限的范围内动态调节，C3表示设备的传输功率最大为，C4表示任务的卸载为二进制卸载； 步骤2：采用线性分解的策略将问题分解为多个子问题；具体为：给出一组均匀分布的权重向量，，其中M表示优化目标的数量；分解后的第个子问题的目标函数如下： ， 步骤3：将每个子问题都建模成一个马尔科夫决策过程并使用DRL中的DDPG算法对其中的一个子问题的模型进行训练；包括： 步骤31：进行状态空间、动作空间以及奖励值的设置，状态空间和动作空间的设置一致，为{卸载决策，CPU工作频率，发射功率}，奖励值设置为当前状态的目标函数值减去下一状态的目标函数值； 步骤32：使用DDPG算法进行模型的训练； 步骤33：进行前向传播得到子问题的帕累托最优解； 步骤4：根据基于邻域的参数转移策略进一步协同优化所有子问题的模型参数；具体为： 取出第个子问题训练好的模型，再加以少量的训练，得到第个子问题的模型，因为两个问题的权重向量是相邻的，因此，将子问题通过其相邻子问题的知识来辅助解决； 步骤5：重复步骤3和步骤4对每个设备的任务进行训练求解，得到训练好的模型； 步骤6：利用训练好的模型进行多目标优化问题的求解，得到该问题的帕累托前沿。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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。