本发明公开一种兼顾能耗与体验质量公平性的星地协同任务调度方法，属于边缘计算技术领域，包括：基于移动边缘计算架构构建任务调度模型，计算各待调度任务在不同调度路径下的时延成本、能耗成本及体验质量公平性指标，建立以任务时延和资源容量为约束的星地协同任务调度优化问题；针对星座规模在预设范围内的场景，采用混合整数非线性规划任务调度方法求解所述星地协同任务调度优化问题；否则采用公平性感知混合列生成算法求解所述星地协同任务调度优化问题，得到星地协同任务的最优调度方案。本发明解决了现有卫星边缘计算系统中，无法在满足时延约束的同时兼顾能耗和体验质量公平性，满足对星地协同任务进行联合调度与卸载的问题。
📄 2026105635136
📂 H04W28_084
👤 南京信息工程大学
📅 2026-04-27
本发明公开了一种基于二进制卸载的边缘计算资源分配方法，包括：建立边缘计算网络，每个无线节点的决策mi∈{0,1}；初始化卸载决策M0；根据第l次迭代的卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的资源分配结果及对应的网络总速率；将网络总速率最大的候选卸载决策作为Ml(j*)；判断Ml(j*)对应的网络总速率是否大于Ml对应的网络总速率，若是，将Ml(j*)及其对应的网络总速率作为Ml+1及Ml+1对应的网络总速率，返回执行下一次迭代，否则，将Ml及对应的资源分配结果作为最终决策分配结果。该方法可快速确定二进制卸载决策及对应的资源分配结果，达到较高的网络总计算速率。
📄 2022105070626
📂 H04W28_084
👤 浙江工业大学
📅 2022-05-10
本发明属于移动边缘计算领域，公开了一种基于基线的自动化边缘计算网络资源分配方法。包括获取各无线设备与各混合接入点之间的信道增益；将信道增益输入离散网络分支预测卸载决策；将信道增益和卸载决策输入并行的第一和第二连续网络分支，预测能量分配比例和卸载时间分配比例；取历史迭代训练后并行的分支作为基线，根据当前时隙的信道增益，输出历史的预测结果；根据当前时隙和历史的预测结果分别计算最大计算速率，更新离散网络分支；根据当前时隙的预测结果，计算当前时隙的最大计算速率，更新第一连续网络分支和第二连续网络分支。本发明在分布式可再生能源为无线设备功能的情况下，达到较高的边缘计算网络整体的最大计算速率。
📄 2026100269580
📂 H04W28_084
👤 浙江工业大学
📅 2026-01-09
一种无人机辅助边缘卸载决策与无人机轨迹优化方法，包括以下步骤：将F个设备和K架带由边缘服务器的无人机组成系统，系统时间由多个连续的时隙组成；设备在每个时隙把自己的部分子任务卸载给无人机计算，或者本地计算，直至全部任务计算完毕；以最小化每个设备完成任务时间的总和为优化目标，以每个设备的卸载策略A和无人机的位置LUAV为优化变量建立优化模型P；利用基于遗传算法的深度强化学习算法求解优化模型P。本发明适用于设备位置实时移动的移动边缘计算系统场景，根据设备的位置和任务量情况，合理部署无人机位置，并制定合适的卸载决策，可有效减少边缘计算系统的任务完成时延。
📄 2023105163305
📂 H04W28_084
👤 浙江工业大学
📅 2023-05-09
本发明公开了一种无线供能边缘网络中能量捕获时长和计算任务的分配方法，包括：使用一维穷搜索方法输出时间占比集合；基于时间占比集合中的每一个时间占比，计算与时间占比对应的能量占比；根据时间占比集合中每一时间占比与对应的能量占比，计算N个无线设备的计算速率总和，取计算速率总和最大的作为无线设备本次计算最优的时间占比和能量占比；根据最优的时间占比和能量占比，完成本次计算任务卸载分配。本发明优化能量捕获时长和计算任务分配，具有更小的时间消耗，能够达到较高的计算速率，适用于时变的信道状态。
📄 2023106400083
📂 H04W28_084
👤 浙江工业大学
📅 2023-05-31
本发明公开了一种边缘计算结合协同智能交通系统最大化计算速率方法，边缘计算结合协同智能交通系统包括一个基站、#imgabs0#个路基单元和#imgabs1#个无线设备。本边缘计算结合协同智能交通系统最大化计算速率方法通过构建每个无线设备关于卸载决策和各无线设备到路基单元带宽分配的计算速率表达式，并对卸载决策和各无线设备到路基单元带宽分配进行求解，得到每个无线设备的计算速率，且得到各无线设备的计算速率即为各无线设备的最大化计算速率，并且所有无线设备的最大化计算速率之和即为边缘计算结合协同智能交通系统的最大化计算速率，进而显著降低了系统延迟，提高了计算效率。
📄 2025101585330
📂 H04W28_084
👤 浙江工业大学
📅 2025-02-13
本发明公开了一种服务缓存边缘云计算网络的物联网数据卸载调度方法，属于边缘计算技术领域，应用于由个用户设备、个基站和1个云服务器组成的服务缓存边缘云计算网络，包括：S1、根据用户设备采集的物联网数据对服务缓存边缘云计算网络进行训练直至遍历全部训练轮次；S2、利用训练好的服务缓存边缘云计算网络获取所需时隙的总决策完成对应时隙物联网数据的卸载调度。该方法可联合优化子信道分配决策、任务卸载决策、任务选择决策和任务调度顺序，实现服务缓存边缘云计算网络的长期累计平均信息年龄最小化，实现低延迟服务。
📄 2026103865608
📂 H04W28_084
👤 浙江工业大学
📅 2026-03-27
本发明涉及车联网和边缘计算技术领域，公开了一种自适应容器迁移方法及系统，方法包括获取汽车的当前位置，并对汽车在下一时间步的位置进行预测；根据汽车的当前位置和预测位置，计算车辆流量波动值；判断车辆流量波动值是否小于迁移阈值；若是，则维持当前部署；若否，则构建容器迁移优化模型，并使用基于环路检测的RIME算法对容器迁移优化模型进行求解，生成迁移策略；根据迁移策略将容器从当前服务器迁移至目标服务器。本发明增强了迁移策略的自适应性和鲁棒性，能够在多任务处理场景中实现更快速的反应和资源动态调整，提升了灵活性。同时，避免了传统依赖于静态配置导致的性能瓶颈，有效减少了不必要的迁移频次，提高了整体系统的资源利用率。
📄 2025100579421
📂 H04W28_084
👤 广东工业大学
📅 2025-01-14
本发明属于异构网络资源分配技术领域，公开了一种聚合节点辅助的无线异构网服务缓存与任务卸载方法，包括：面向聚合节点辅助的5G‑WiFi异构网络场景，建立多个涉及服务缓存与任务卸载的数学模型；构建关于任务完成时延和费用成本消耗最小化的整数非线性规划优化问题；对整数非线性规划联合优化问题进行求解。本发明采用上述一种聚合节点辅助的无线异构网服务缓存与任务卸载方法，制定服务缓存与任务卸载联合优化问题，使用等价转换方法，将复杂0‑1离散变量形式进行处理；基于交替优化算法的迭代求解，有效解决整数非线性规划问题，使任务完成时延和费用成本消耗最小化，有效解决5G‑WiFi边缘计算网络中任务卸载以及资源管理问题。
📄 2024115970610
📂 H04W28_084
👤 浙江理工大学
📅 2024-11-11
本发明提供了一种基于复合优先经验回放采样的车联网资源优化方法，包括：步骤1，问题建模与目标定义；步骤2，设计状态空间和动作空间；步骤3，设计奖励函数，用于指导智能体获得最大回报，以选择最优策略；步骤4，建立基于多智能体深度确定性梯度策略MADDPG的资源分配优化算法，用于提升车辆间V2V通信链路负载传输成功率以及最大化车辆到基础设施V2I通信链路总容量；步骤5，建立基于复合优先经验回放采样的多智能体深度确定性梯度策略算法，提升MADDPG算法的收敛性与稳定性，进一步优化功率控制策略。仿真结果表明本发明在V2V通信链路负载传输成功率和V2I通信链路总容量提升方面具有更优秀的性能表现。
📄 2024107666708
📂 H04W28_084
👤 金陵科技学院
📅 2024-06-14
本发明公开了一种基于车边云自主协同的可信任务卸载方法。该方法可应用于动态异构车联网中解决因虚假任务和恶意节点所引发的任务堆积、资源抢占、协作不佳等低效问题。首先，本发明提供了卸载任务与协作节点信任评估模型，通过分析数据敏感性、资源抢占性、历史卸载成功率和协作反馈评价，精准辨识过滤虚假任务和恶意节点；然后，本发明利用离散粒子群算法迭代获取车边云协同卸载决策，重新设计粒子编码、适应度函数和校正机制，并引入随机量、贪婪和映射函数增强卸载决策多样性。相比传统任务卸载方法，本发明在任务紧凑和均匀分布的场景中，均表现较好能耗和延迟性能，有效提升了卸载效率和安全性。
📄 2024116268184
📂 H04W28_084
👤 长沙理工大学
📅 2024-11-14
本发明公开了一种在多用户的工业物联网场景下的时延最小化卸载方法及系统，方法如下：S1、初始化；S2、建立联合优化模型；S3、在用户端进行建模，解出每个用户自身的最优部分卸载策略；S4、在云端进行建模，通过最优部分卸载策略来解出MEC服务器的最优计算资源分配；S5、通过求解出来的最优部分卸载策略和MEC服务器的最优计算资源分配来计算出整个系统的最小时延。本发明将原始优化模型分别在用户端和服务器端建模，极大的减小了计算复杂度。
📄 2024117191565
📂 H04W28_084
👤 杭州电子科技大学
📅 2024-11-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台