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！

龙图腾网获悉东北大学申请的专利混合智能驱动的多业务流确定性调度方法及相关设备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：CN121462514B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202610014138.X，技术领域涉及：H04L47/2425；该发明授权混合智能驱动的多业务流确定性调度方法及相关设备是由王晨路;彭玉怀;秦十;刘志文;王静;栗媛;焦明海;张恩德设计研发完成，并于2026-01-07向国家知识产权局提交的专利申请。

本混合智能驱动的多业务流确定性调度方法及相关设备在说明书摘要公布了：本申请适用于数据传输技术领域，提供了一种混合智能驱动的多业务流确定性调度方法及相关设备，包括：根据业务流需求以及时钟同步信号，计算超帧周期，并基于超帧周期建立初始化空白的门控表；将网络拓扑信息和TT流的流量状态建模为图结构，使用图注意力网络提取图结构的节点特征，通过近端策略优化算法生成面向跃点调度粒度的调度动作序列；将调度动作序列编码为GA的染色体，通过遗传算法取得TT流传输的TT流时隙，并基于TT流时隙更新初始化空白的门控表，得到最优的GCL表；在最优的GCL表内的非TT流时隙，根据AVB流的动态特征，通过APRA算法确定AVB流的优先级；按优先级，基于MQSA算法通过信用值整形器对AVB流进行调度，输出AVB流的调度顺序。

本发明授权混合智能驱动的多业务流确定性调度方法及相关设备在权利要求书中公布了：1.一种混合智能驱动的多业务流确定性调度方法，其特征在于，包括： 根据业务流需求以及时钟同步信号，通过集中式网络配置控制器计算超帧周期，并基于所述超帧周期建立初始化空白的门控表； 将网络拓扑信息和TT流的流量状态建模为图结构，使用图注意力网络提取所述图结构的节点特征，并根据所述节点特征，通过近端策略优化算法生成面向跃点调度粒度的调度动作序列； 所述将网络拓扑信息和TT流的流量状态建模为图结构，使用图注意力网络提取所述图结构的节点特征，并根据所述节点特征，通过近端策略优化算法生成面向跃点调度粒度的调度动作序列的步骤，包括： 将网络拓扑信息和TT流的流量状态建模为时变图结构，采用具有多头双向注意力机制的图注意力网络捕获流跳节点间的时空依赖关系，通过特征聚合与门控更新生成涵盖传输延迟、剩余跳数、调度标签、端口发流时刻及跳的完成时间的五维状态表征，作为节点特征； 在仿真平台中构建包含动态无人机节点、无线链路模型及典型业务流场景的低空TSN网络环境，并创建多相双注意力头机制的GAT编码器、Actor策略网络参数及Critic值网络； 基于当前环境状态，利用GAT编码器根据各无人机节点针对TT流的五元组特征及拓扑边关系，生成高阶状态表征； PPO算法中的旧Actor网络通过概率采样生成动作，在所述动作与环境交互后获取即时奖励及下一状态，进而生成完整轨迹，并将完整轨迹存储至经验回放缓冲区； 从所述缓冲区采集轨迹数据，通过所述高阶状态表征，计算PPO代理损失，利用梯度下降对GAT、Actor及Critic网络参数进行迭代更新，直至完成预设次数轮训练后，以平均回合奖励、回合长度、Critic损失的变化趋势作为指标，当指标稳定在预期水平时判定模型收敛，得到用于通过Critic-Actor双流决策网络，采用PPO算法生成面向跃点调度粒度的调度动作序列的GAT-PPO模型； 根据所述节点特征，通过所述GAT-PPO模型生成面向跃点调度粒度调度动作序列； 将所述调度动作序列编码为GA的染色体，通过遗传算法取得TT流传输的TT流时隙，并基于所述TT流时隙更新所述初始化空白的门控表，得到目标GCL表； 根据AVB流的动态特征，通过APRA算法确定AVB流的优先级； 按所述优先级，基于MQSA算法通过信用值整形器，再根据所述目标GCL表所确定的非TT流时隙对AVB流进行调度，实现多业务流调度。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。