買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京理工大學申請的專利一種基于本地和邊緣協同緩存的獨立任務卸載方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116260871B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310200404.4，技術領域涉及：H04L67/568；該發明授權一種基于本地和邊緣協同緩存的獨立任務卸載方法是由周川;徐鵬程設計研發完成，并于2023-03-03向國家知識產權局提交的專利申請。

本一種基于本地和邊緣協同緩存的獨立任務卸載方法在說明書摘要公布了：本發明公開了一種基于本地和邊緣協同緩存的獨立任務卸載方法，引入了服務緩存的概念，提出一種基于服務緩存的任務卸載和資源分配方法。首先以能量消耗和時間延遲的加權和為優化目標，將任務卸載、服務緩存和資源分配問題表述為混合整數非線性規劃問題，并建立對應的通信模型、計算模型和緩存模型；其次，將上述問題近似為一個馬爾可夫決策過程，并提出了一種基于深度確定性策略梯度算法來解決任務卸載、服務緩存和資源分配問題，最終降低了任務卸載過程中帶來的能量消耗和時間延遲。

本發明授權一種基于本地和邊緣協同緩存的獨立任務卸載方法在權利要求書中公布了：1.一種基于本地和邊緣協同緩存的獨立任務卸載方法，包括以下步驟： 步驟S1：確定邊緣計算架構，包括本地設備、無線訪問接入節點AP和邊緣服務器ES，其中本地設備通過AP和ES相連接； 步驟S2：建立MEC架構的通信模型、計算模型、緩存模型，確定單個本地設備的時延和能耗，建立以能耗和時延加權和為優化目標的方程，同時確定約束條件； 步驟S3：將S2提出的優化問題近似為一個馬爾可夫決策過程，將ES剩余的計算資源、剩余的帶寬資源、本地設備和ES的剩余緩存容量、能耗和時延加權和設計成狀態向量，將任務卸載策略、緩存策略、計算資源和帶寬資源分配策略設計成動作向量，以能耗和時延加權和為優化目標的方程作為獎勵，轉化為求解最優任務卸載策略問題和緩存策略問題； 步驟S4：基于DDPG算法，初始化深度強化學習模型的策略價值網絡Actor、動作價值網絡Critic以及經驗回放緩沖區，Actor基于當前狀態S隨機做動作A，獲得獎勵R和新的狀態S'，同時，Critic根據Actor做出的動作A和當前狀態S更新Actor，并將交互后的歷史狀態S、下一個狀態S'、動作A、獎勵R作為樣本傳輸元組存儲起來至經驗回放緩沖區中，從經驗回放緩沖區中選擇元組重復上述過程以訓練Actor和Critic； 步驟S5：獲取當前時隙的系統狀態，將系統狀態輸入至訓練好的深度強化學習模型中，利用訓練好的深度強化學習模型，得到每個時隙的最優緩存策略和最優任務卸載策略； 其中，緩存模型具體為： 為了進一步降低時延與能耗并節約ES上有限的計算資源，將部分熱點內容結果存放在ES上和本地設備中，本地設備在執行計算任務之前，會首先與區域內的ES和其他本地設備進行通信，查詢其緩存信息，然后判斷是否在本地設備執行或者卸載到ES計算，如果在本地設備計算，本地設備已經擁有緩存結果則直接返回結果，或者緩存在其他本地設備，通過ES傳輸給本地設備，否則本地設備自己計算；如果選擇卸載到ES進行計算，任務的計算結果已經存儲在ES的緩存中，則直接返回結果，否則在ES進行計算； 此外，考慮基于內容流行度的緩存策略，根據其最高流行度來存儲計算任務所需要的數據，直到存儲容量達到上限，本地設備對熱門數據的請求概率遵循統計數據中的Zipf分布，則本地設備UEi請求ES的計算任務v概率如下式： e0為Zipf分布影響因子，V表示全部內容； 定義為二元緩存變量，ES代表邊緣服務器，當表示時隙t下ES緩存了本地設備UEi的某個任務K的計算結果，則表示沒有緩存任務K的計算結果，δi表示本地設備UEi緩存在ES的容量大小，假設ES的容量大小為MES，n個本地設備在ES緩存容量的使用不能超過ES的最大緩存容量： 定義為二元緩存變量，UD代表本地設備，表示本地設備UEi緩存了任務K的計算結果，而表示本地設備UEi沒有緩存任務K的計算結果，εi表示為緩存在本地設備UEi的容量，假設所有本地設備的緩存總容量為MUD，n個本地設備的緩存容量使用不能超過最大緩存容量：

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京理工大學，其通訊地址為：210094 江蘇省南京市玄武區孝陵衛200號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。