专利交易市场

本发明属于无线通信技术领域，公开了一种任务卸载和无线能量传输方法及系统，建立UAV和地面物联网用户之间的通讯和计算模型，包括进行通讯的时变信道模型，利用自由空间损失模型建模的WPT信道模型，UAV和地面物联网用户的计算和传输模型；设计UAV援助的边缘计算场景下利用UAV来对地面物联网用户进行任务卸载和WPT的基本框架，根据框架进行系统建模，得到整个系统的数学模型；设计优化问题，将目标函数定义为系统总吞吐量和UAV能量消耗的加权和；将整个框架建模为马尔科夫过程，设计合理的状态动作空间，利用目标函数设计出合理的奖励函数；利用双延迟深度确定性策略梯度算法对系统总吞吐量和UAV能量消耗进行约束的同时优化任务卸载决策和无线能量传输。

一种能量捕获网络模型任务计算卸载决策与调度方法，包括以下步骤：统计任务产生的类型与具体计算量；用户设备统一进行能量捕获；合理利用Cache缓存模型进行计算卸载；动态调整Cache中模型；确定目标函数和限制条件，建立问题模型；采用LRU置换算法和遗传算法对具有混合离散连续优化的数学问题进行求解，从而得到任务计算的卸载决策和任务卸载的顺序。本发明实现了合理的任务调度方案，可有效提高完成所有计算任务的速度。

本发明揭示了一种时延确定性任务卸载方法，包括向各个服务节点发布服务价格；接收各服务节点根据自身状态和服务价格制定的服务能力信息；根据任务信息和服务节点反馈的服务能力信息选择满足时延确定性条件的服务节点，形成服务节点集合，并判断服务节点集合的大小是否为1，若是，则选取相应服务节点进行任务卸载，否则，则调整服务价格，并重复执行上述步骤。本发明还揭示了一种实现上述方法的时延确定性任务卸载装置及计算机存储介质。本发明能够为终端节点提供最佳性价比的卸载服务，适用于服务节点能够动态反馈服务能力的自主性边缘计算网络。

本发明公开了超密集网络中计算卸载与资源优化方法，该方法包括：获取超密集网络的网络基础信息，根据网络基础信息构建网络系统，并在网络系统的约束下构建优化问题；根据优化问题得到初始解，并将初始解定义为父代种群，采用改进的保护多样性的自适应遗传算法对父代种群进行粗粒度搜索得到目标种群，并输出目标种群中所有个体的编码；以目标种群中所有个体的编码初始化粒子群中粒子的位置，并使用自适应粒子群算法对粒子群中粒子的位置进行更新并得到全局最优粒子的位置；根据全局最优粒子的位置执行计算卸载与资源优化配置。本发明能很好地实现最小化能耗和安全成本的目标。

本申请公开的并行任务悬停时间分配的无人机最优位置的计算卸载方法，包括：为用户设备定义总问题，总问题的目标是最小化UAV能耗；确定总问题的目标函数求解最小化UAV能耗；引入选择变量bij获取无人机并行任务悬停时间最大求解；并根据选择变量bij对总问题进行问题转换，将其转换成NP难问题，并确定问题转换后的目标函数；随后通过块坐标下降法和DQN算法求出所有变量的最优解，从而确定UAV的最优计算频率、最优卸载位置以及最小化能耗。本发明涉及的技术方案，其能够计算得出无人机最优悬停位置，根据最优选择UAV悬停位置来最小化UAV所产生的计算能耗和UAV在空中的悬停能耗。

本发明公开了一种联合优化计算卸载和资源分配的方法及系统，采用移动边缘计算技术来完成将计算任务从有计算任务物联网设备卸载到空闲设备和MEC服务器上执行，从而减轻活动用户的计算负担；采用无线供电技术来为物联网设备进行供电；采用用户协作的技术让处于空闲状态的物联网设备共享其计算资源，以此提高活动用户的性能。以建模的方式将上述移动边缘计算技术、无线供电技术和用户协作技术进行有机结合，并以联合优化求解的方式在网络系统中进行合理地资源配置和用户配对，形成资源配置策略和用户配对策略，从而保证物联网设备在最大容许延迟内完成计算任务，同时经过资源合理优化配置和用户配对进一步实现了物联网设备的能耗。

本发明请求保护一种星地融合端边云协同的计算卸载方法，属于无线通信技术领域。针对地面处理时延大、卫星处理能力有限导致任务完成时延高的问题，通过将边缘计算上星提出一种端边云协同的计算卸载方法。在任务建模阶段，结合链表和有向无环图对拆分后的计算子任务依赖关系进行建模，生成的任务模型可有效降低任务处理时延。在计算卸载阶段，根据节点卸载策略和链路传输速率定义任务完成时延，采用完全卸载策略计算生成基于任务可卸载节点的时延列表；在卫星剩余覆盖时间、节点计算能力和链路卸载带宽的约束下，提出一种基于任务完成时延的实数编码遗传算法来寻找计算任务的最佳卸载点，形成的最优计算卸载策略可有效降低时延且提高任务完成率。