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！

龙图腾网恭喜浙江理工大学申请的专利一种聚合节点辅助的无线异构网服务缓存与任务卸载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：CN119110351B 。

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：202411597061.0，技术领域涉及：H04W28/084；该发明授权一种聚合节点辅助的无线异构网服务缓存与任务卸载方法是由徐伟强;肖俊威设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种聚合节点辅助的无线异构网服务缓存与任务卸载方法在说明书摘要公布了：本发明属于异构网络资源分配技术领域，公开了一种聚合节点辅助的无线异构网服务缓存与任务卸载方法，包括：面向聚合节点辅助的5G‑WiFi异构网络场景，建立多个涉及服务缓存与任务卸载的数学模型；构建关于任务完成时延和费用成本消耗最小化的整数非线性规划优化问题；对整数非线性规划联合优化问题进行求解。本发明采用上述一种聚合节点辅助的无线异构网服务缓存与任务卸载方法，制定服务缓存与任务卸载联合优化问题，使用等价转换方法，将复杂0‑1离散变量形式进行处理；基于交替优化算法的迭代求解，有效解决整数非线性规划问题，使任务完成时延和费用成本消耗最小化，有效解决5G‑WiFi边缘计算网络中任务卸载以及资源管理问题。

本发明授权一种聚合节点辅助的无线异构网服务缓存与任务卸载方法在权利要求书中公布了：1.一种聚合节点辅助的无线异构网服务缓存与任务卸载方法，其特征在于，包括以下步骤：S1、面向聚合节点辅助的5G-WiFi异构网络场景，建立多个涉及服务缓存与任务卸载的数学模型，具体包括终端设备TD通信模型、聚合节点AN通信模型、任务完成时延模型、能量消耗与商业成本模型和服务缓存模型；S2、基于步骤S1所建立的多个数学模型，构建关于任务完成时延和费用成本消耗最小化的整数非线性规划优化问题，其中被5G蜂窝网络与WiFi网络同时覆盖的TD表示为A类TD记为集合，只被5G蜂窝网络覆盖的TD表示为B类TD记为集合，所有TD集合记为，每个TD标签记为n，具体过程如下：S21、基于TD在5G-WiFi异构网络MEC任务卸载中各项模型，将服务缓存决策后的A类TD任务完成时延、能耗和费用成本模型进行总结归纳，如下所示： ；其中，决策变量表示TDn是否选择接入WiFi网络内的边缘服务器，若TDn选择接入WiFi网络否则；决策变量表示TDn是否选择接入基站BS处边缘服务器，若TDn选择接入5G蜂窝网络否则；表示本地服务器；表示WiFi接入点AP附近对应的边缘服务器计算时延；表示基站BS附近对应的边缘服务器计算时延；表示A类TDn使用WiFi网络的上行传输时延；为TDn往基站BS卸载任务的上行传输时延；为TDn的本地计算时延；表示A类TDn任务所需服务是否缓存在WiFi接入点AP附近的边缘服务器，如果A类TDn在AP附近的边缘服务器有服务缓存否则；表示TDn任务所需要的服务是否缓存在5GBS附近的边缘服务器，如果TDn在BS附近的边缘服务器有服务缓存否则；表示TDn的本地计算能耗；表示A类TDn往WiFi接入点AP附近的边缘服务器任务卸载的传输能耗；表示TDn往基站BS上行传输的无线传输能耗；表示TD的传输费用；S22、同理，将B类TD任务完成时延、能耗和费用成本模型进行总结归纳，如下所示： ；其中，表示B类TDn任务所需服务是否缓存在聚合节点AN附近的边缘服务器，如果B类TDn在AN附近的边缘服务器有服务缓存否则；表示B类TDn的任务完成时延；表示聚合节点AN附近的边缘服务器计算时延；S23、优化目标是最小化由任务完成时延与费用成本的加权和构成的网络效用，引入权重因子和对任务完成时延和费用成本之间的关系进行调整，则5G-WiFi异构网络基于服务缓存与聚合节点AN辅助的联合优化问题，如下所示： ；其中，约束C1、C2和C3表示TD的任务卸载调度决策和服务缓存决策均是0-1离散变量；约束C4表示TDn任务卸载决策变量的择一约束，保证每个TDn只会选择一个网络节点进行任务卸载；约束C5中为TDn的能耗上限，表示TDn的能耗约束；约束C6、C7和C8中的参数分别为WiFi接入点AP、基站BS、聚合节点AN附近边缘服务器的服务缓存容量上限，表示边缘服务器的服务缓存容量约束；表示TDn任务的总数据量；S3、使用AO算法，对步骤S2所构建的整数非线性规划联合优化问题进行求解。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市钱塘区下沙高教园区2号大街928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”。