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！

龙图腾网恭喜南京信息工程大学申请的专利一种考虑多性能指标的计算任务卸载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：CN119255301B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411775215.0，技术领域涉及：H04W28/084；该发明授权一种考虑多性能指标的计算任务卸载优化方法是由钱永岱;许小龙;项昊龙;王睿智设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种考虑多性能指标的计算任务卸载优化方法在说明书摘要公布了：本发明提供一种考虑多性能指标的计算任务卸载优化方法，属于边缘计算技术领域，方法混合采用正交多址接入技术与非正交多址接入技术实现同时为多个用户提供服务，方法包括：计算出每个计算任务在预设的计算路径下的时间成本；将每个计算任务的时间成本输入预先建立的计算任务分配模型，生成初步分配方案；建立计算任务卸载优化问题的MINLP模型；以初步分配方案为起点，采用拉格朗日松弛方法和对偶分解方法求解所述MINLP模型，获得最优计算任务卸载优化方案。本发明在使用拉格朗日松弛和对偶分解方法求解MINLP模型时，采用计算任务分配模型提供初步分配方案，减少了搜索范围，降低计算复杂度，提升系统的实时性。

本发明授权一种考虑多性能指标的计算任务卸载优化方法在权利要求书中公布了：1.一种考虑多性能指标的计算任务卸载优化方法，其特征在于，采用正交多址接入OMA技术将整个可用宽带频谱划分为多个正交子载波；在每个所述正交子载波内，采用非正交多址接入NOMA技术实现同时为对应的多个用户提供服务，针对预设时段内用户产生的计算任务，执行以下步骤：步骤S1：分别计算出每个计算任务在预设的计算路径下的时间成本；步骤S2：将所述每个计算任务在预设的计算路径下的时间成本输入预先建立的计算任务分配模型，生成初步分配方案；其中，所述计算任务分配模型是基于神经网络建立；步骤S3：建立计算任务卸载优化问题的MINLP模型；步骤S4：将所述初步分配方案作为所述MINLP模型的求解起点，采用拉格朗日松弛方法和对偶问题分解方法求解所述MINLP模型，获得最优计算任务卸载优化方案；其中，所述步骤S1包括：步骤S11：计算当前用户在本地进行计算的时间成本作为第一时间成本，所述第一时间成本包括：本地执行时间；其中，所述本地执行时间计算公式为： ;式中，为当前用户的CPU周期频率，为当前计算任务数据量，为处理每比特数据需要的CPU周期数，单位为周期比特；步骤S12：计算当前用户通过用户-卫星链路将计算任务卸载到对应的卫星边缘计算节点SEC进行计算的时间成本，将其作为第二时间成本，所述第二时间成本包括：用户-卫星双向传播时延、用户-卫星数据传输时延和卫星执行时间；其中，所述用户-卫星双向传播时延计算公式为： ;式中，h为当前用户与对应的卫星之间距离，c为光速；所述用户-卫星数据传输时延计算公式为： ;式中，为当前用户与对应的卫星之间的传输速率；所述卫星执行时间计算公式为： ;式中，为所述对应的卫星的CPU周期频率；步骤S13：计算当前用户通过用户-基站-卫星链路将计算任务卸载到对应的卫星边缘计算节点SEC进行计算的时间成本，将其作为第三时间成本，所述第三时间成本包括：基站-卫星双向传播时延、用户-基站数据传输时延、基站-卫星数据传输时延和卫星执行时间；其中，所述基站-卫星双向传播时延与所述用户-卫星双向传播时延相同；所述用户-基站数据传输时延计算公式为： ;式中，为当前用户与对应的基站之间的传输速率；所述基站-卫星数据传输时延计算公式为： ;式中，为通过当前任务所对应的基站向所述对应的卫星进行传输的计算任务总数据量；为对应的基站与对应的卫星之间的传输速率，取值同当前用户与对应的卫星之间的传输速率；步骤S14：计算当前用户通过用户-卫星-地面云链路将计算任务卸载到对应的地面云服务器进行计算的时间成本，将其作为第四时间成本，所述第四时间成本包括：用户-卫星双向传播时延、用户-卫星数据传输时延、卫星-地面云数据传输时延和地面云执行时间；其中，所述卫星-地面云数据传输时延计算公式为： ;式中，为卫星与对应的地面云之间的传输速率，取值为预设的恒定值；所述地面云执行时间计算公式为： ;式中，为所述对应的地面云的CPU周期频率；步骤S15：计算当前用户通过用户-基站-卫星-地面云链路将计算任务卸载到对应的地面云服务器进行计算的时间成本，将其作为第五时间成本，所述第五时间成本包括：基站-卫星双向传播时延、用户-基站数据传输时延、基站-卫星数据传输时延、卫星-地面云数据传输时延和地面云执行时间；所述MINLP模型包括：目标函数、路径选择约束、时间延迟约束、功率约束和计算资源约束；所述MINLP模型以最小化预设时段内产生的所有计算任务的时间成本构建目标函数，所述目标函数为： ;式中，为预设时段内产生的计算任务总数量；为第i个计算任务选择第j个计算路径的决策变量，，为第i个计算任务选择第j个计算路径的时间成本；所述MINLP模型以每个计算任务只能选择一种预设的计算路径进行计算为路径选择约束，所述路径选择约束为： ;所述MINLP模型以所有计算任务的处理时间必须不大于最大可容忍时间为时间延迟约束，所述时间延迟约束为： ;其中，为最大可容忍时间；所述MINLP模型以每个计算任务的功率消耗不大于传输功率最大限值为功率约束，所述功率约束为： ;其中，为第i个计算任务在第j个计算路径上的功率消耗，为传输功率最大限值；所述MINLP模型以执行计算任务的计算资源不超过计算总资源为计算资源约束，所述计算资源约束为： ;其中，是路径上任务消耗的计算资源；为所有计算节点的计算总资源；所述采用拉格朗日松弛方法和对偶问题分解方法求解所述MINLP模型包括：步骤S41：基于所述MINLP模型的目标函数和约束条件，以及所述初步分配方案，引入拉格朗日乘子，构建计算任务卸载优化问题的拉格朗日函数；所述拉格朗日函数为： ;式中，为拉格朗日函数，为第一乘子，为第二乘子；步骤S42：利用对偶问题分解方法将所述计算任务卸载优化问题分解为独立的路径优化子问题、功率优化子问题和计算资源优化子问题；其中，所述路径优化子问题用于在固定传输功率和计算资源的情况下，寻找最小化所有计算任务总延迟的计算任务卸载方案；所述路径优化子问题为： ;所述功率优化子问题用于在固定计算任务卸载方案的情况下，优化传输功率，使其满足功率约束；所述功率优化子问题为： ;所述计算资源优化子问题用于优化计算资源分配，使其满足计算资源约束；所述计算资源优化子问题为： ;步骤S43：分别求解功率优化子问题、计算资源优化子问题和路径优化子问题，获得最优计算任务卸载优化方案，包括：建立用于更新第一乘子的第一规则，以及用于更新第二乘子的第二规则；所述第一规则为： ;式中，为第次迭代更新后的第一乘子值，为第次迭代更新后的第一乘子值，为第一乘子第次迭代更新的步长；所述第二规则为： ;式中，为第次迭代更新获得的第二乘子值，为第次迭代更新获得的第二乘子值，为第二乘子第次迭代更新的步长；初始化第一乘子和第二乘子；通过根据所述第一规则迭代更新所述第一乘子求解功率优化子问题，获得最优功率分配；通过根据所述第二规则迭代更新所述第二乘子求解计算资源优化子问题，获得最优计算资源分配；在最优功率分配和最优计算资源分配的情况下，利用线性规划算法求解路径优化子问题，获得最优计算任务卸载优化方案。

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信息工程大学，其通讯地址为：210000 江苏省南京市江北新区七里桥北路6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”。