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！

龙图腾网恭喜贵州大学申请的专利一种基于分层强化学习的任务“0中断”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：CN119629671B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510152979.2，技术领域涉及：H04W28/06；该发明授权一种基于分层强化学习的任务“0中断”卸载方法是由邹赛;张金阳设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种基于分层强化学习的任务“0中断”卸载方法在说明书摘要公布了：本发明公开了一种基于分层强化学习的任务“0中断”卸载方法，属于道路边缘计算网络技术领域，包括建立道路车辆通信模型和移动性模型，通过通信和移动性模型构建VEC架构中任务的传输链路稳定性熵值模型；将具有动态资源协同与智能调度机制的多任务协同卸载优化问题分解构建为差异化的任务分配和0中断路由路径规划两个子优化目标。基于分层强化学习算法，将在道路动态拓扑中寻找“0中断”路由过程建模为部分可观察马尔可夫过程，并分层建立了高低两层策略网络及其所对应的动作空间，状态空间和奖励函数。本发明采用上述方法，在满足延迟要求的前提下保证“0中断”的任务卸载，并最大化网络吞吐量。

本发明授权一种基于分层强化学习的任务“0中断”卸载方法在权利要求书中公布了：1.一种基于分层强化学习的任务“0中断”卸载方法，其特征在于，包括以下步骤：S1、建立道路车辆通信模型和移动性模型，通过道路车辆通信模型和移动性模型构建VEC架构中任务的传输链路稳定性熵值模型；S11、构建道路车辆通信模型，车辆节点与通信节点之间的数据传输速率为： ；（1）其中和代表节点与节点之间的信道带宽和信道增益；代表其发射功率；代表背景噪声功率；代表两节点之间的信号干扰；S12、构建道路车辆移动性模型，用表示和之间的直连链路中断所持续的时间；使用和来分别表示t时刻下车辆与车辆的坐标，使用和来分别表示t时刻下车辆的速度，车辆之间的距离简化定义为；S13、构建通信链路稳定性熵值模型，使用来表示链路的稳定性熵值，依据当前车辆的速度和，以及计算得到的连接时间来计算： ；（2）其中，表示同方向行驶时车辆与车辆之间传输链路的稳定性熵值计算模型；则表示车辆与车辆反方向行驶时的情况；则表示车辆与路边单元RSU之间的通信情况；表示车辆标准速度偏差评估参数；表示连接时间评估参数；表示速度一致性评估参数；表示各个参数权重系数；表示车辆的最大行驶速度；S2、将具有动态资源协同与智能调度机制的多任务协同卸载优化问题分解构建为差异化的任务分配和0中断路由路径规划两个子优化目标；S21、将任务卸载优化目标表示为最大化平均任务完成数量，每个时隙t下生成的任务总数用N表示，任务完成率为： ；（16）任务卸载问题的优化目标表示为： ；（17）； 表示统计内时隙数量；二进制变量来表示任务的卸载决定；表示生成的任务；S22、将任务卸载问题的优化目标分解构建为任务与服务设备匹配问题和在满足路径连通性和稳定性约束下的路径规划问题；S221、对于任务与服务设备匹配问题，将时隙t的任务总执行时间定义为所有任务中最长执行时间，用表示： ；（18）其中表示任务的分配矩阵；由于公式由计算执行时间和传输时间两部分组成，在当前时间尺度下无法获取准确的路由传输时间，使用来表示起始节点与目标节点之间的预估传输时间： ；（19）其中为传输速率的中位值；表示任务k的任务大小；表示节点的通信半径；表示节点间的距离；故表示为： ；（20）子问题优化目标为： ；（21）；S222、对于在满足路径连通性和稳定性约束下的路径规划问题，通过S221得到N个任务分配方案，每个分配方案的成功实现均会获得相应奖励Rk，由此将优化问题表述为奖励最大化问题： ；（22）其中，表示任务k的路由路径选择；S3、基于分层强化学习算法，将在道路动态拓扑中寻找0中断路由过程建模为部分可观察马尔可夫过程，并分层建立高层策略网络和低层策略网络及其所对应的动作空间，状态空间和奖励函数。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区花溪大道南段2708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”。