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！

龙图腾网恭喜广州杰赛科技股份有限公司;广东工业大学申请的专利一种边缘计算的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：CN114564304B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210138983.X，技术领域涉及：G06F9/50；该发明授权一种边缘计算的任务卸载方法是由杜翠凤;房小兆;何铭杨;滕少华设计研发完成，并于2022-02-15向国家知识产权局提交的专利申请。

本一种边缘计算的任务卸载方法在说明书摘要公布了：本发明公开了一种边缘计算的任务卸载方法，通过构建包含若干移动设备和若干MEC服务器的网络模型；根据所述网络模型和预先构建的时延计算模型计算当前任务的卸载总时延；根据所述网络模型和预先构建的能耗计算模型计算所述当前任务的传输能耗；根据所述卸载总时延和所述传输能耗构建不同应用场景的场景满意度模型；根据所述场景满意度模型、所述卸载总时延和所述传输能耗，并结合惩罚函数构建当前任务卸载的总成本的目标函数；根据粒子群算法对所述目标函数进行优化，求解任务卸载的最优位置，并根据所述最优位置完成所述当前任务的卸载。能够优化能耗、时延和满意度，将计算任务合理地分配到相应的MEC服务器上，提高移动边缘计算的效率。

本发明授权一种边缘计算的任务卸载方法在权利要求书中公布了：1.一种边缘计算的任务卸载方法，其特征在于，所述方法包括：构建包含若干移动设备和若干MEC服务器的网络模型；根据构建的网络模型和预先构建的时延计算模型计算当前任务的卸载总时延；根据构建的网络模型和预先构建的能耗计算模型计算所述当前任务的传输能耗；根据所述卸载总时延和所述传输能耗构建不同应用场景的场景满意度模型；根据所述场景满意度模型、所述卸载总时延和所述传输能耗，并结合惩罚函数构建当前任务卸载的总成本的目标函数；根据粒子群算法对所述目标函数进行优化，求解任务卸载的最优位置，并根据所述最优位置完成所述当前任务的卸载；所述根据粒子群算法对所述目标函数进行优化，求解任务卸载的最优位置，并根据所述最优位置完成所述当前任务的卸载，具体包括：根据所述网络模型建立信道增益矩阵H来表示不同任务从不同的移动设备传输到不同的MEC服务器的信道增益；针对其中的一种应用场景，建立大小为U的粒子群表示不同的任务，随机将粒子卸载到任一MEC服务器，获得所有粒子的卸载决策向量以及不同粒子的位置vi和速度xij；根据预设的适应度函数计算每一粒子的适应度；根据预设的满意值计算模型调整每次迭代时的粒子速度，进行粒子的最优分配的迭代过程；根据预设的速度更新函数和位置更新函数更新每一粒子的速度和位置；当迭代次数达到预设次数时，输出最后一次迭代的最优位置与适应度；将所述当前任务卸载到所述最优位置执行；其中，所述网络模型中所有任务的集合表示为M＝{m1，m2，...，mk}，任务miBi，fi，Emax，Bi为任务的输入数据量，fi为任务的计算密度，Emax为所述任务的能耗约束，所述网络模型中不同MEC服务器的周期频率的集合为S＝{s1，s2，...，sn}，信道增益矩阵Hi，j表示当前任务从第i个移动设备传输到第j个MEC服务器所需的信道增益，1≤i≤K，1≤j≤N，i≠j，K为所述网络模型中移动设备的数量，N为所述网络模型中MEC服务器的数量，每一粒子的卸载决策向量为V＝{v1，v2，...，vk}，不同粒子的位置为vi，当vi＝0，该任务由本地移动设备执行，vi＝j时，该任务被卸载到第j个MEC服务器执行，不同粒子的速度为所述适应度函数为位置更新函数为v′ij＝vij+xij，速度更新公式为x′ij＝ω·xij+θ1r1[pij-vij]+θ2r2[pgi-vij]，pij为粒子i的局部最优位置，pgi表示粒子到目前为止找到的全局最优位置，r1与r2为分布在[0,1]的随机数字，θ1与θ2为预设的学习参数，ω为权重；满意值计算模型为Si，t为粒子i在第t次迭代的满意值，是粒子i在第t次迭代中的最优位置，是全局最优值位置，是全局最优位置的适合度，粒子群在第t次迭代中的成功率为为所有粒子成功值的总和，n为粒子群中粒子的个数，第t次迭代时的惯性权重ωmin和ωmax分别为前一次迭代中最大权重和最小权重。

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杰赛科技股份有限公司;广东工业大学，其通讯地址为：510310 广东省广州市海珠区新港中路381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”。