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！

龙图腾网获悉广州盘古传媒科技有限公司申请的专利用于网络切片的网络资源优化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：CN119545433B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202411738298.6，技术领域涉及：H04W28/08；该发明授权用于网络切片的网络资源优化方法是由袁芷薇设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本用于网络切片的网络资源优化方法在说明书摘要公布了：本发明公开了一种用于网络切片的网络资源优化方法，包括：利用分布式数据采集系统，从各网络节点实时采集各网络切片的历史流量数据、用户行为数据和网络拓扑信息，对其进行数据预处理，形成特征数据集；将特征数据集输入基于注意力机制和混合密度网络算法构建的预测模型，通过梯度下降算法优化网络权重，对预测模型进行训练；对训练结束的预测模型输入当前时刻的特征数据，输出不同网络切片对未来流量需求的概率分布的预测值；根据预测的不同网络切片对未来流量需求的概率分布，制定资源预分配策略，动态优化调整网络资源。本发明通过精确的资源预分配，最大化地利用了网络资源，降低了运营成本，提高了资源利用效率。

本发明授权用于网络切片的网络资源优化方法在权利要求书中公布了：1.一种用于网络切片的网络资源优化方法，其特征在于，包括： 利用分布式数据采集系统，从各网络节点实时采集各网络切片的历史流量数据、用户行为数据和网络拓扑信息，对其进行数据预处理，形成特征数据集； 所述历史流量数据至少包含带宽利用率、数据包传输速率和数据包丢失率； 所述用户行为数据至少包含活跃用户数、平均会话持续时间和业务类型分布； 所述网络拓扑信息至少包含节点集合、边集合、链路容量或带宽； 将所述特征数据集输入基于注意力机制和混合密度网络算法构建的预测模型，通过梯度下降算法优化网络权重，对所述预测模型进行训练； 构建的所述预测模型至少包含输入层、注意力机制层、混合密度网络层和输出层； 训练所述预测模型，包括： 将所述特征数据集作为输入，真实的未来流量需求作为目标输出； 定义负对数似然损失函数，衡量模型预测的概率分布与真实数据的匹配程度； 采用梯度下降算法优化模型参数，最小化损失函数，完成训练； 对训练结束的所述预测模型输入当前时刻的特征数据，输出不同网络切片对未来流量需求的概率分布的预测值； 输出不同网络切片对未来流量需求的概率分布的预测值，包括： 将当前时刻的特征向量输入所述预测模型的输入层； 设置预测模型的组件数量为M，计算混合权重、均值和标准差； 对于第i个网络切片，预测的流量需求概率密度函数为： 其中，为第i个网络切片未来流量需求的概率分布预测值，y为未来流量需求的随机变量，为均值为、方差的高斯分布； 根据预测的不同网络切片对未来流量需求的概率分布，制定资源预分配策略，动态优化调整网络资源； 根据所述预测值，基于置信水平得到流量需求阈值，计算每个网络切片的资源需求； 通过比较阈值与可用资源容量，能够得出对当前资源是否需要进行预留： 如果：预测的流量需求低于可用资源容量，则维持当前资源配置，无需调整； 如果：预测的流量需求高于可用资源容量，需要增加资源分配，至少增加的容量； 总资源需求； 判断总资源需求是否超过总资源容量，其中： 如果，则按照计算的资源需求分配给各个网络切片； 如果，则需要进行资源调度和优化，包括优先级排序策略、资源抢占策略，所述优先级排序策略为按照优先级从高到低排序，得到排序后的网络切片列表，所述优先级排序策略包括： 遍历排序列表，对于每个网络切片： 如果，分配资源，更新； 如果，分配，设置； 否则，记录无法满足的网络切片，标记为需进行资源抢占处理； 所述资源抢占策略包括： 从低优先级网络切片开始，按照优先级从低到高遍历，计算可被抢占的资源量： 如果，将资源分配给高优先级网络切片； 更新低优先级网络切片的资源分配： 更新高优先级网络切片的资源分配： 更新剩余需求，如果高优先级网络切片的资源需求已满足，则停止抢占。

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广州盘古传媒科技有限公司，其通讯地址为：510700 广东省广州市黄埔区坑田大街32号鱼珠智谷E-PARK创意园A303-2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。