Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湘江实验室詹敏获国家专利权

湘江实验室詹敏获国家专利权

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!

龙图腾网获悉湘江实验室申请的专利基于云边端协同的算力网络分层调度优化方法、系统及介质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:CN121187801B

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:202511715618.0,技术领域涉及:G06F9/50;该发明授权基于云边端协同的算力网络分层调度优化方法、系统及介质是由詹敏;宋金可;文肇乐;李碧霞;彭一杰设计研发完成,并于2025-11-21向国家知识产权局提交的专利申请。

基于云边端协同的算力网络分层调度优化方法、系统及介质在说明书摘要公布了:本发明公开一种基于云边端协同的算力网络分层调度优化方法、系统及介质,该方法步骤包括:步骤S01.获取算力网络中节点的信息,算力网络采用由云边端三层计算架构;步骤S02.根据任务节点之间的依赖关系建立DAG;步骤S03.构建MDP模型,状态空间定义为DAG信息和任务卸载计划的组合,动作空间定义为将任务卸载到任意一层,奖励函数定义为以方案的服务质量最大化为目标,服务质量根据时延延迟和能耗计算得到;步骤S04.使用深度强化学习模型生成任务卸载决策方案,根据任务卸载决策方案协同完成所有任务的执行。本发明能够综合三层计算架构提升计算任务的执行效率和资源利用率,显著提高系统的整体性能以及灵活性。

本发明授权基于云边端协同的算力网络分层调度优化方法、系统及介质在权利要求书中公布了:1.一种基于云边端协同的算力网络分层调度优化方法,其特征在于,步骤包括: 步骤S01.获取算力网络中任务节点以及依赖的目标任务节点的信息,所述算力网络采用由云端、边缘计算层以及本地用户端构成的三层计算架构,其中云端提供集中式的计算与存储资源; 步骤S02.以获取的任务节点作为节点、根据任务节点之间的依赖关系建立DAG,以使用DAG表示任务之间的依赖关系; 步骤S03.将任务调度问题建模为马尔科夫决策过程,构建MDP模型; 构建的所述MDP模型中,状态空间定义为DAG信息和任务卸载计划的组合,所述DAG信息包括DAG拓扑信息以及任务嵌入信息,动作空间定义为将任务卸载到三层计算架构中任意一层的算力节点中,奖励函数定义为以任务调度方案的服务质量最大化为目标,所述任务调度方案的服务质量为根据调度方案中执行各个任务的时延延迟和产生的能耗计算得到,每个任务的所述时延延迟根据本地用户端完成时间、边缘计算层完成时间以及云端完成时间中的最大值得到,每个任务的所述能耗根据在本地用户端执行任务产生的能耗、任务卸载到边缘计算层产生的能耗以及任务卸载到云端产生的能耗得到;按照下式计算出任务调度方案的时延延迟: , , , , 其中,表示任务调度方案的总时延延迟,表示第i个任务,表示DAG图出口任务的集合,表示在本地用户端执行任务的完成时间,表示在边缘计算层执行任务的完成时间,表示在云端执行任务时处理阶段完成时间;表示任务在本地用户端的可用时间,表示任务的前驱任务集合,表示任务的直接前驱任务,表示在本地用户端执行任务的完成时间,表示边缘计算层接收到任务结果的完成时间,表示云端接收到任务结果的完成时间,表示在本地用户端执行本地任务的时延;表示任务在边缘计算层的可用时间,表示任务在边缘上行信道发送的完成时间,表示在边缘计算层执行任务的完成时间,表示在边缘计算层执行任务的执行时延;表示任务在云端可用时间,表示云端执行任务在上传阶段完成时间,表示在云端执行任务在处理阶段的完成时间,表示在云端执行任务的执行时延; 任务在边缘上行信道发送的完成时间的计算表达式为: , 其中,表示任务在云端执行时上传阶段可用时间,表示任务在云端传输时延; 云端执行任务在上传阶段完成时间的计算表达式为: , , 其中,表示任务在云端下载阶段完成时间,表示任务的下行无线信道的可用时间,表示在云端执行任务在处理阶段的完成时间,表示任务卸载到云端时接收阶段时延,表示任务在云端传输时延; 步骤S04.基于构建的MDP模型采用深度强化学习方法建立深度强化学习模型,将当前待执行的任务嵌入序列输入至预先训练好的所述深度强化学习模型中,生成对应的任务卸载决策方案,本地用户端、边缘计算层以及云端根据生成的任务卸载决策方案协同完成所有任务的执行,生成任务卸载决策方案的过程中,通过拓扑排序按照下式计算任务的优先级值以对DAG的任务进行排序: 其中,表示任务的优先级值,表示任务的直接后继任务集合,表示任务的直接后继任务,表示出口任务的集合,表示任务卸载到云端时发送阶段时延,表示任务卸载到云端时执行阶段时延,表示任务卸载到边缘计算层时发送阶段时延,表示任务卸载到边缘计算层时执行阶段时延,表示任务卸载到边缘计算层时接收阶段时延,表示任务卸载到边缘计算层时总时延,表示任务卸载到云端时总时延。

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湘江实验室,其通讯地址为:410221 湖南省长沙市长沙高新区尖山路217号北斗产业园1栋;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。