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！

龙图腾网获悉南京邮电大学申请的专利一种基于Q学习的边缘卸载资源分配方法及系统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：CN114339891B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202111422264.2，技术领域涉及：H04W28/16；该发明授权一种基于Q学习的边缘卸载资源分配方法及系统是由朱琦;栗志;王致远设计研发完成，并于2021-11-26向国家知识产权局提交的专利申请。

本一种基于Q学习的边缘卸载资源分配方法及系统在说明书摘要公布了：本发明公开了一种基于Q学习的边缘卸载资源分配方法，所述方法包括：获取MEC系统当前环境的参数以及系统中的用户参数；采用预设的分配方法计算得到使得用户移动设备整体能耗最小时的最优资源分配策略，作为最优的资源分配方案；预设的分配方法包括：初始化卸载策略集合Π、状态空间S和动作空间A；以保证用户计算任务完成时间为条件，以用户移动设备整体能耗最小为目标，对预先构建的Q函数进行迭代优化，得到与用户完成计算任务时间同步的状态空间及其对应的最优动作；根据状态空间及其对应的最优动作计算得到用户移动设备整体能耗最小时的最优资源分配策略。本发明能够在保证用户计算任务完成时间的基础上，最小化用户移动设备整体能耗。

本发明授权一种基于Q学习的边缘卸载资源分配方法及系统在权利要求书中公布了：1.一种基于Q学习的边缘卸载资源分配方法，其特征在于，包括： 获取MEC系统当前环境的参数以及系统中的用户参数； 基于获取到的参数，采用预设的分配方法计算得到使得用户移动设备整体能耗最小时的最优资源分配策略，将其作为最优的资源分配方案； 其中，采用预设的分配方法计算得到使得用户移动设备整体能耗最小的资源分配策略包括： 根据获取到的参数初始化Q学习算法的任务卸载和资源分配联合优化任务的卸载策略集合、状态空间S和动作空间A； 其中，所述根据获取到的参数初始化Q学习算法的任务卸载和资源分配联合优化任务的状态空间S，包括： 每个CPU的状态为s=i,e,ch,m，其中，i表示当前待卸载的子任务，满足，V表示当前卸载子任务的集合；e表示待卸载子任务计算量大小，满足，ε表示卸载子任务的计算量大小的集合；ch表示用户移动设备选择所处信道，满足，Ch表示移动设备所处信道的集合；m表示当前任务由本地处理或由MEC系统处理，当前任务由本地处理-CPU0，当前任务由MEC系统处理-CPUm，满足，M表示MEC系统中CPU总数；状态空间S为全部CPU的状态的集合，表示为S={s=i,e,ch,m}； 其中，所述根据获取到的参数初始化Q学习算法的任务卸载和资源分配联合优化任务的动作空间A，包括： 每个当前待卸载的子任务在状态下采取的动作为，则动作空间A为全部动作的集合，表示为； 以保证用户计算任务完成时间为条件，以用户移动设备整体能耗最小为目标，对预先构建的Q函数进行迭代优化，得到与用户完成计算任务时间同步的状态空间及其对应的最优动作； 其中，所述预先构建的Q函数，通过下式表示： 1 式1中，Rws,a表示每一状态动作下的奖励函数，δ表示每一轮迭代的衰减因子； 其中，所述对预先构建的Q函数进行迭代优化，通过下式表示： 2 式2中，i表示当前待卸载的子任务；j表示完成子任务i后下一个待卸载的子任务；t表示从当前待卸载的子任务i到下一个待卸载的子任务j的传输时间；a和b表示子任务不同状态下采取的动作；为Q学习的学习速率，若的值等于0，则Q学习算法退化为贪心策略； 式2中，表示平均开销，通过下式表示： 3 式3中，表示加权因子，表示全部任务所需要的总能耗，表示整体任务完成时间，通过下式表示： 4 5 用户移动设备整体能耗包括卸载开销、本地开销通过下式表示： 6 式2中，表示卸载开销，表示本地执行开销，其中表示系统状态，表示当前状态下采取的动作； 根据得到的状态空间及其对应的最优动作计算得到用户移动设备整体能耗最小时的最优资源分配策略； 其中，根据得到的状态空间及其对应的最优动作计算得到用户移动设备整体能耗最小时的最优资源分配策略，通过下式计算： 7 式7中，表示每一状态动作下的奖励函数，δ表示每一轮迭代的衰减因子。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。

以上内容由龙图腾AI智能生成。