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！

龍圖騰網獲悉華南師范大學申請的專利一種基于MEC環境的服務遷移決策方法、裝置、設備及介質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：CN116192862B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202310199065.2，技術領域涉及：H04L67/1021；該發明授權一種基于MEC環境的服務遷移決策方法、裝置、設備及介質是由宋暉;陳尊炫;陳妍瀅;張涵;范善翔設計研發完成，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MEC環境的服務遷移決策方法、裝置、設備及介質在說明書摘要公布了：本發明涉及移動通信技術領域，具體涉及一種基于MEC環境的服務遷移決策方法、裝置、設備及介質，所述方法具體包括：基于多對多預測的BidirectionalLSTM模型，利用已知的人類活動流動性數據構建用戶移動預測模型；建立DRL框架，所述DRL框架包括狀態s、動作a和獎勵r，其中，狀態s表示用戶與各MEC服務器的距離以及用戶當前位置，動作a表示用戶可選擇的MEC服務器，獎勵r表示狀態s下采用動作a的回報；通過DQN算法訓練所述DRL框架，并根據所述用戶移動預測模型獲得服務遷移決策模型。本發明通過結合提出的DRL框架和用戶移動預測模型來處理移動性服務提供的問題。

本發明授權一種基于MEC環境的服務遷移決策方法、裝置、設備及介質在權利要求書中公布了：1.一種基于MEC環境的服務遷移決策方法，其特征在于，所述方法具體包括： 基于多對多預測的BidirectionalLSTM模型，利用已知的人類活動流動性數據構建用戶移動預測模型，具體步驟包括： 將已知的人類活動流動性數據以預設比例劃分訓練集和測試集，并設定預測窗口大小； 基于多對多預測的BidirectionalLSTM模型，將所述訓練集進行差分并獲得第一差分序列，對所述第一差分序列做歸一化處理后進行訓練，獲得預測差分值的模型； 將所述測試集進行差分并獲得第二差分序列，再將所述第二差分序列輸入至所述預測差分值的模型，獲得預測差分值； 將所述預測差分值與用戶當前時刻所在的位置相加，獲得用戶未來多個時間步長內的預測位置； 通過對所述預測位置和實際位置差值的絕對值進行求和平均，獲得平均預測誤差； 根據所述平均預測誤差優化所述預測差分值的模型，獲得用戶移動預測模型； 建立DRL框架，所述DRL框架包括狀態s、動作a和獎勵r，其中，狀態s表示用戶與各MEC服務器的距離以及用戶當前位置，動作a表示用戶可選擇的MEC服務器，獎勵r表示狀態s下采用動作a的回報；所述獎勵r滿足函數值r=K-μ，其中，K表示用戶請求數，μ表示固定值； 通過DQN算法訓練所述DRL框架，具體包括： 基于DQN算法，設置第一神經網絡和第二神經網絡； 所述第一神經網絡用于訓練所述DRL框架的狀態s、動作a和獎勵r并獲得預測值，在所述第一神經網絡中采用貪婪策略抽取動作a并以經驗回放的方式將每一步狀態s、動作a、獎勵r存儲至經驗池； 所述第二神經網絡用于獲取所述經驗池的數據進行訓練和在每第一預設時間段內拷貝所述第一神經網絡的數據并更新，所述第二神經網絡由公式（3）獲得目標值，所述目標值滿足 （3） 其中，γ表示衰減因子，θ表示神經網絡參數的均方誤差損失權重； 根據損失函數在每第二預設時間段內更新所述第一神經網絡，所述損失函數為 （4） 其中，為目標值，為預測值，公式（4）為目標值與預測值的均方誤差，通過梯度下降更新θ來最小化損失； 所述第一神經網絡和所述第二神經網絡設置動作約束，在輸出動作時將非法動作屏蔽； 根據所述用戶移動預測模型獲得服務遷移決策模型，所述服務遷移決策模型用于預測用戶在遷移過程的未來位置并為用戶選擇最優的MEC服務器。

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華南師范大學，其通訊地址為：510631 廣東省廣州市中山大道西55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”。