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！

龙图腾网获悉福州大学申请的专利基于深度强化学习的边缘服务迁移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：CN118939400B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411005631.2，技术领域涉及：G06F9/48；该发明授权基于深度强化学习的边缘服务迁移方法是由陈哲毅;黄思进;陈英杰;吴舒霞设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本基于深度强化学习的边缘服务迁移方法在说明书摘要公布了：本发明提出基于深度强化学习的边缘服务迁移方法，所述方法针对动态多变的边缘系统环境使用统一的服务迁移模型，将长期QoS作为优化目标，并使用迁移、通信和计算方面的延迟进行度量，同时基于深度强化学习DRL框架定义MEC环境下服务迁移问题的状态空间、动作空间和奖励函数，并将上述问题形式化表示为马尔科夫决策过程MDP，同时在基于深度强化学习的边缘服务迁移方法DPSM中采用深度确定性策略梯度训练深度神经网络，以在复杂动态的边缘环境中获取最优迁移策略；本发明用于探索边缘环境下的最优服务迁移策略，该方法通过直接输出迁移决策，以应对庞大的动作空间，并在各种场景下均展现出更加优越的性能。

本发明授权基于深度强化学习的边缘服务迁移方法在权利要求书中公布了：1.基于深度强化学习的边缘服务迁移方法，其特征在于：所述方法针对动态多变的边缘系统环境使用统一的服务迁移模型，将长期QoS作为优化目标，并使用迁移、通信和计算方面的延迟进行度量，同时基于深度强化学习DRL框架定义MEC环境下服务迁移问题的状态空间、动作空间和奖励函数，并将上述问题形式化表示为马尔科夫决策过程MDP，同时在基于深度强化学习的边缘服务迁移方法DPSM中采用深度确定性策略梯度训练深度神经网络，以在复杂动态的边缘环境中获取最优迁移策略； 所述边缘系统由一个MEC控制器、M个BS基站以及U个用户构成；每个基站配备一台MEC服务器形成边缘节点；M个边缘节点的集合记为M＝{1，2，...，m，...，M}，U个用户的集合记为U＝{1，2，...，u，...，U}； 边缘系统以离散时隙运行，用户的位置在每个时隙T＝{1，2，...，t，...，T}的开始发生改变；用户u的移动设备上运行的智能应用在每个时隙都会生成一个计算任务Tasktu； 设用户的移动设备的本地运算能力有限，其任务请求需要不断卸载到MEC服务器上处理，则在开始时隙，移动设备通过BS接入系统，并在相应的MEC服务器上创建服务实例；不同移动设备的任务请求由各自的服务实例进行处理，这些服务实例通过占用MEC服务器的部分计算资源来保持并行运行； 所述迁移方面的延迟，其计算方法为：将定义为用户u的服务实例，在时隙t所处的边缘节点，将定义为用户u的服务实例，在时隙t-1所处的边缘节点，系统通过定期询问所有的边缘节点负载确定其能够接受服务迁移，定义atu为用户u在时隙t的服务迁移决策，其包含用户接入范围内所有可用的边缘节点，使用dt来衡量与之间的跳距，表示单位迁移延迟，表示服务数据量，表示回程链路带宽； 当dt＝0时，无需进行服务迁移，否则，需要将服务迁往因此，迁移延迟表示如下： 所述通信方面的延迟，其计算方法为：将定义为用户u的服务实例在时隙t所连接的边缘节点；移动用户u将计算任务卸载至进行处理，此过程涉及：用户与的访问延迟，以及与的回程延迟；其中，移动设备的传输功率为pu，单位信道增益为α，高斯噪声功率为σ2，用户与的距离为任务数据量为信噪比定义如下： 将BS的总带宽定义为B，并正交方式将带宽均匀分配给区域内的所有移动设备；则访问延迟定义为： 其中，Btu表示用户u的可用带宽； 当时，服务实例需经由回程链路传输；表示回程链路带宽，表示单跳传输延迟系数；同理，使用yt表示和的跳数，则回程链路传输延迟定义为： 总通信延迟定义如下： Etu＝Rtu+Ptu公式五； 所述计算方面的延迟，其计算方法为：任务计算密度记为ktu，使用衡量在时隙t上的总负载，F表示服务器计算能力，设用户u分配到的计算资源与其任务所需资源成正比，则计算延迟定义如下： 所述优化目标具体为：在时间范围T内，所提出MEC系统的优化目标是最小化长期系统延迟，形式化为优化问题P1表述如下： 针对优化问题P1，使用基于深度确定性策略梯度的服务迁移方法，来形成动态边缘环境中的最优迁移策略。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。