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！

龙图腾网获悉江南大学申请的专利一种D2D辅助MEC下的任务卸载和资源分配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：CN119676679B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411682394.3，技术领域涉及：H04W4/70；该发明授权一种D2D辅助MEC下的任务卸载和资源分配方法是由李正权;占慧芳设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种D2D辅助MEC下的任务卸载和资源分配方法在说明书摘要公布了：本发明公开了一种D2D辅助MEC下的任务卸载和资源分配方法，属于无线通信及计算资源管理技术领域。所述方法通过引入终端直传通信技术辅助的服务型设备，并合理选择任务处理模式，实现了资源的高效利用，避免了资源浪费；通过联合优化计算卸载、D2D选择、计算资源分配和频谱资源分配，既能保证服务质量，又能减少网络拥塞，从而提升用户体验；本发明的两阶段迭代算法结合了块坐标下降、重构线性化技术和凸优化方法，有效解决了非凸优化问题，具有较快的收敛速度和较低的计算复杂度。此外，D2D辅助的MEC架构和优化方法适用于不同类型的智能设备和多样化的应用场景，具有广泛的适用性和灵活性，可满足未来移动边缘计算发展的需求。

本发明授权一种D2D辅助MEC下的任务卸载和资源分配方法在权利要求书中公布了：1.一种任务卸载和资源分配方法，其特征在于，所述方法包括： 步骤1：构建D2D通信辅助的MEC系统模型，定义智能设备的任务处理模式以及边缘服务器的计算任务卸载模式，将任务型智能设备产生的任务划分为本地计算、D2D卸载和边缘卸载三个任务处理模式； 步骤2：以最小化任务执行成本为优化目标，将任务划分策略、计算资源分配策略、终端直传卸载选择策略和动态定价策略联合公式化； 步骤3：采用块坐标下降方法和重构-线性化技术将联合优化问题分解为多个子问题，将非凸问题近似为凸优化问题，并应用凸优化理论对任务卸载比例和计算资源分配策略进一步优化； 所述步骤2中的任务执行成本为： 其中，分别表示分配给本地计算、D2D卸载和边缘卸载的任务的计算比特数目，ml、和me分别表示任务型智能设备、服务型智能设备和边缘服务器提供单位比特计算服务的单价，xi,j∈{0,1}是二进制选择变量，xi,j＝1表示任务型智能设备与服务型智能设备存在D2D通信链路，xi,j＝0表示两者之间不存在D2D通信链路； 将任务划分策略、计算资源分配策略、终端直传卸载选择策略和动态定价策略联合公式化，表示为： 其中，Li表示任务型智能设备产生的任务的计算比特数目，表示SSDs执行本地任务的计算频率，表示分配给的计算频率，表示的最大频率；fie表示BS分配给的计算频率，表示BS的最大频率；Tik,k＝{d,e}表示D2D卸载和边缘卸载两个阶段的时延，Ti表示最大可容忍时间阈值，表示经过本地计算、D2D卸载和边缘卸载三个阶段处理后的剩余电池能量； 所述步骤3包括： 步骤31：给定选择策略Xm，求解以下问题得到当前迭代次数下局部最优卸载方案Lm+1和计算频率方案Fm+1： 其中，μi,j为辅助变量，Ci表示处理单位比特任务所需CPU周期转数；Cj表示处理单位比特任务所需CPU周期转数；表示D2D卸载阶段数据传输速率；Lj表示SSDs待执行任务总数据大小；νi表示辅助变量，表示边缘卸载中数据传输速率；表示D2D卸载阶段的发射功率；表示边缘卸载阶段传输数据至BS时的发射功率；Ei表示初始能量状态；表示本地计算阶段消耗的能量； 步骤32：根据所述步骤31得到的局部最优卸载方案Lm+1和计算频率方案Fm+1，计算局部最优选择策略Xm+1，求解式如下： 利用求解器对上式进行求解，获得可行解； 步骤33：对所述步骤31和步骤32进行迭代，直至获得满足预设条件的卸载方案、计算频率和选择策略。

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江南大学，其通讯地址为：214000 江苏省无锡市新吴区净慧东道66号(江南大学国家大学科技园)；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。