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！

龙图腾网获悉北京师范大学珠海校区申请的专利边缘计算中基于容器层依赖关系的在线学习型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：CN113641447B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202110808603.4，技术领域涉及：G06F9/455；该发明授权边缘计算中基于容器层依赖关系的在线学习型调度方法是由贾维嘉;唐志清;沈平设计研发完成，并于2021-07-16向国家知识产权局提交的专利申请。

本边缘计算中基于容器层依赖关系的在线学习型调度方法在说明书摘要公布了：本发明提供一种边缘计算中基于容器层依赖关系的在线学习型调度方法。涉及边缘计算和分布式系统中的资源调度、机器学习的深度强化学习的方法，所采用的技术方案是：首先基于容器层的层面对边缘计算进行建模，考虑边缘计算中用户的任务完成时间，包括用户任务所需容器的下载时间，以及用户任务的运行时间。在此基础上，提出一个基于因式分解的算法，对边缘计算中容器层的依赖关系进行抽取，提取其中的高维和低维的稀疏依赖特征。最后，在基于提取的依赖关系以及任务、节点资源特征的基础上，设计一个基于策略梯度的学习型任务调度算法，并通过真实数据对整个流程进行验证。根据此发明所提供的方法可以对边缘计算中的资源进行更好的规划，减少边缘计算系统中的用户的任务的总体开销，以及边缘计算中容器运行时下载容器镜像文件所需开销。

本发明授权边缘计算中基于容器层依赖关系的在线学习型调度方法在权利要求书中公布了：1.边缘计算中基于容器层依赖关系的在线学习型调度方法，其特征在于：具体的包含以下步骤： 1对边缘计算系统构建新模型，所述新模型包括：远程云端、 用户任务、容器、镜像文件、层文件； 2对边缘计算中任务调度的主要开销进行建模； 3对边缘计算中基于层依赖关系的任务调度问题进行建模； 4采用基于无模型的策略梯度强化学习算法对问题进行求解， 所述强化学习的内容包含一个策略优化算法的优势函数： aπs,a＝Qπs,a-Vπs 其中Vπs是值函数，Qπs,a是状态动作函数； 以及最大化长期的收益方法： 5设计一个抽取容器层依赖关系的策略网络， 6进行动作限制与选取， 7训练强化学习的策略网络； 所述2对边缘计算中任务调度的主要开销进行建模，还包含：容器镜像的下载时间，以及用户任务的执行时间和任务调度限制条件 通过这些定义之后，下载时间和运行时间分别可以表示为： a.下载时间： b.计算时间： c.总时间： 此外，任务调度时存在一些限制条件，首先，每个节点的计算资源有限，所以每个节点同时运行的容器数量是有限制的： 其次，每个节点的存储资源也是有限的，所以层文件占用的存储空间不能超过总的存储大小限制： 最后，每个任务只能调度到一个节点，不能同时被调度到多个节点，这个限制可以表示为： 最终对边缘计算中基于层依赖关系的任务调度问题进行建模，将问题建模如下：

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北京师范大学珠海校区，其通讯地址为：519000 广东省珠海市香洲区唐家湾镇金凤路18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”。