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！

龙图腾网恭喜首都师范大学申请的专利基于移动边缘计算的任务卸载和资源分配方法和装置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：CN115314903B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210707409.1，技术领域涉及：H04W16/10；该发明授权基于移动边缘计算的任务卸载和资源分配方法和装置是由张荣荣;李辉设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本基于移动边缘计算的任务卸载和资源分配方法和装置在说明书摘要公布了：本申请提出了一种基于移动边缘计算的任务卸载和资源分配方法，包括：构建能量采集无线体域网系统和系统通信模型；构建传感器节点的能量采集模型；构建任务在本地处理模式、边缘处理模型下的第一、二计算效率模型；构建整个无线体域网的第三计算效率模型；构建深度神经神经网络并进行训练，得到训练好的网络；将传感器节点与无线接入AP节点之间的链路增益集合输入训练好的网络中，输出候选卸载决策集合；根据第三计算效率模型和候选卸载决策集合将决策问题转化为凸优化问题；之后对凸优化问题求解，以得到最优的卸载决策和资源分配方案，采用上述方案的本发明能够满足不同数据的处理需求，减少数据处理时延，提高网络的计算效率。

本发明授权基于移动边缘计算的任务卸载和资源分配方法和装置在权利要求书中公布了：1.一种基于移动边缘计算的任务卸载和资源分配方法，其特征在于，构建能量采集无线体域网系统，其中，所述能量采集无线体域网系统包括边缘服务器、无线接入AP节点、无线体域网集合，所述无线体域网集合由微型传感器节点组成，所述方法包括以下步骤：构建系统通信模型；根据所述系统通信模型构建传感器节点的能量采集模型；根据所述能量采集模型分别构建任务在本地处理模式下的第一计算效率模型和在边缘处理模式下的第二计算效率模型；根据所述第一计算效率模型和所述第二计算效率模型构建整个无线体域网的第三计算效率模型；构建深度神经网络并进行训练，得到训练好的深度神经网络；将所述传感器节点与所述无线接入AP节点之间的链路增益集合输入所述训练好的深度神经网络中，输出候选卸载决策集合；根据所述第三计算效率模型和所述候选卸载决策集合将决策问题转化为凸优化问题；分别对所述候选卸载决策集合中的卸载决策进行凸优化求解，以得到最优的卸载决策和资源分配方案；其中，所述构建任务在本地处理模式下的第一计算效率模型，包括：在所述本地处理模式下，传感器节点计算数据消耗的总能量不能超过能量采集阶段获取的能量，表示为： 其中，Ei表示第i个传感器节点采集的能量，ki表示传感器节点i的计算能效系数，fi表示节点i的CPU频率，0≤ti≤T表示节点i的计算时间；在所述数据处理阶段，所述本地处理模式下节点计算效率表示为： 其中，CL,i表示节点i的计算效率，φ为传感器节点处理单位数据所需要的计算周期数，T为通信过程时长，fi表示节点i的CPU频率，0≤ti≤T表示节点i的计算时间；根据所述节点计算效率计算节点的最大计算效率为： 其中，表示节点i的最大计算效率，在ti＝T，fi＝EikiT13时得到构建任务在边缘处理模式下的第二计算效率模型，包括：在所述边缘处理模式下，在所述数据处理阶段采用时分多路复用的方式，定义分配给节点i的时间长度占比为bi∈0,1，则所述边缘处理模式下传感器节点的处理时间约束为： 采用无线通信技术通过传感器节点i将任务卸载至边缘服务器，根据香农公式得到节点i在biT时间内传输的最大数据量Di为： 其中，B表示传感器节点与AP节点与之间的无线信道带宽，Pi表示传感器节点i的发射功率，N0表示噪声功率；在能量采集的无线体域网中，当传感器节点将采集到的所有能量用于任务卸载时，得到最大计算功率，进一步得到边缘处理模式下节点的最大计算效率，表示为： 其中，表示边缘处理模式下节点i的最大计算效率，当最大计算功率为Pi＝EibiT得到所述整个无线体域网的第三计算效率模型为： 其中ai∈{0,1}表示节点i的卸载决策，ai＝0表示节点i在本地执行任务，ai＝1表示节点将任务卸载到边缘服务器上执行。

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首都师范大学，其通讯地址为：100037 北京市海淀区西三环北路105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”。