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！

龍圖騰網獲悉重慶郵電大學申請的專利一種基于協作感知的數據智能緩存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：CN114786200B 。

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：202210423803.2，技術領域涉及：H04W24/02；該發明授權一種基于協作感知的數據智能緩存方法是由吳大鵬;徐瑞鑫;張鴻;李職杜;王汝言設計研發完成，并于2022-04-21向國家知識產權局提交的專利申請。

本一種基于協作感知的數據智能緩存方法在說明書摘要公布了：本發明涉及一種基于協作感知的數據智能緩存方法，屬于無線通信技術領域。該方法首先通過分析歷史請求信息與請求的命中狀態分別在長短兩個時間尺度上更新全局流行度與局部流行度，然后對工業互聯網場景中的設備請求文件傳輸時延進行建模；最后，利用基于Actor?Critic框架的多智能體強化學習模型對微基站處的緩存狀態進行更新，并通過自適應分配帶寬資源以最大化速率加權和目標函數。本發明能夠顯著降低工業互聯網中設備獲取關鍵數據文件的時延，提升應用性能。

本發明授權一種基于協作感知的數據智能緩存方法在權利要求書中公布了：1.一種基于協作感知的數據智能緩存方法，其特征在于，首先通過分析歷史請求信息與請求的命中狀態分別在長短兩個時間尺度上更新全局流行度與局部流行度，然后對工業互聯網場景中的設備請求文件傳輸時延進行建模；最后，利用基于Actor-Critic框架的多智能體強化學習模型對微基站處的緩存狀態進行更新，并通過自適應分配帶寬資源以最大化速率加權和目標函數；該方法具體包括以下步驟： S1：系統冷啟動：初始化確定相關文件庫信息、工業設備位置與信道情況、緩存系統權重參數、長期緩存更新時隙以及不同位置的緩存文件獲取成本； S2：流行度更新：根據步驟S1信息，在每一個時刻t根據設置的長期緩存更新時隙以及請求文件的緩存命中情況更新全局流行度與局部流行度； S3：文件緩存決策：根據步驟S2獲得的流行度相關信息，首先在每個長期緩存更新時隙T，在宏基站處，根據全局流行度更新長期緩存矩陣，以保證整體的熱門文件至少能在宏基站處得到服務；然后利用基于Actor-Critic框架的多智能體強化學習模型，對微基站處短期緩存矩陣更新，得到當前時刻所有緩存的決策模型； S4：信息上傳收集：收集t時刻各區域請求量以及上一時刻緩存決策信息上傳到宏基站處，并經由宏基站處理后反饋給微基站用于下一個時刻的緩存決策； S5：確定傳輸資源分配：根據步驟S1得到的工業設備信息與步驟S3得到的緩存狀態，結合不同工業設備的傳輸速率需求進行關聯，并將時間傳輸收益結果上傳至云端，然后反饋給各微基站并得到收益反饋用于更新本地模型，當需要修改相關模型參數時停止，否則將繼續更新緩存文件； 步驟S1具體包括以下步驟： S11：獲取相關的文件庫并根據工業設備與微基站的位置關系初始化單位帶寬傳輸等效速率，具體表示為： 其中，表示單位帶寬傳輸等效速率； 表示微基站向設備分配的標準帶寬大小，Pk表示微基站k處傳輸功率，表示t時刻微基站k與設備u的信道增益，N0表示噪聲功率譜密度； S12：對緩存系統中權重參數α∈[0,1]、β∈[0,1]進行設置，其分別代表微基站的局部流行度中，鄰居文件流行度對局部流行度的影響占比，以及上一個時刻最新文件請求比例對局部流行度的影響占比；接著設置長期緩存的更新時隙T；并設置不同位置文件獲取的時延成本參數λs與λc，其分別表示鄰居微基站協作獲取文件的時延成本與從云端獲取文件的時延成本，具體關系表示為λc＞＞λs； 步驟S2具體包括以下步驟： S21：冷啟動整個系統，根據文件庫中文件的數目設定平均初始流行度，表達式為： 其中，分別表示微基站k處與整體網絡內容f的初始流行度，F表示內容庫總內容數目； S22：在每個時刻t更新不同尺度下的文件流行度；當前時刻t對應n倍長期緩存更新時隙T時，則更新長期全局流行度，表達式為： 其中，與分別表示t時刻微基站k處與整體網絡內容f的實時流行度，K表示微基站的數目；而對應的局部流行度則會在長期時隙更新，表達式為： 其中，表示與微基站k相鄰的微基站數目，Υk表示微基站k的鄰居微基站集合，α∈[0,1]表示鄰居流行度影響因子； S23：在普通時隙，即并非長期緩存更新時隙T的整數倍時，則不再更新長期流行度而僅更新局部流行度，且只與文件命中情況有關；具體更新方式為： 其中，與分別表示上一時刻文件f的請求量與整個區域內的請求量，β表示流行度更新權重影響因子； 步驟S3具體包括以下步驟： S31：當處于長期緩存更新時刻時，利用步驟S2獲得的流行度相關信息，首先在宏基站處進行緩存文件的更新；首先分析所有文件對應的長期流行度序列，選擇流行度從大到小對文件進行緩存；針對緩存中已經存儲的內容則保持不變，僅將部分流行度較低的文件替換為流行度更高的文件加快替換的速度； S32：在短期緩存時刻，將更具有區域特性的內容緩存在對應的微基站處，并能夠保證追蹤到實時的變化特征；首先對優化問題建模如下： 其中，sf表示單個文件的大小，Sk表示微基站k的緩存容量，表示t時刻微基站k處內容f的緩存指示變量，表示工業設備集合，表示微基站集合，表示文件集合，C表示所有微基站的緩存決策矩陣；表示設備實際獲取內容的時延；即在每個時刻都選擇能最大化整體收益的緩存決策； S33：所有微基站共同組成一個多智能體強化學習模型，其中每一個微基站都作為一個智能體，其狀態轉移的過程被建模為馬爾可夫決策過程，能夠獲取局部狀態值skt、全局信息gkt以及獎勵函數Rt，其表示如下： 其中，skt包括上一時刻的緩存狀態請求量局部流行度以及單個智能體學習率δ；全局信息包括上一時刻全局流行度以及緩存狀態最后實際的觀測值okt表示為： okt＝{skt,gkt} 此外，對于動作變量akt則只考慮緩存策略，即 S34：在單個微基站處，通過利用一個DQN機器學習框架對局部緩存決策進行訓練，具體而言，首先定義其動作價值函數Qo,a為： 其中，vt為折扣因子；則對于每一次更新，都選擇最大的動作即 然后定義網絡參數ω的更新機制為最小二乘均方誤差，表達式為： 其中，yt表示實際的收益； S35：在每一個智能體都做出決策后，將所有決策上傳至云端，進行評價，利用最小二乘均方誤差更新Critic網絡的參數 步驟S4具體包括以下步驟： S41：所有微基站上傳t時刻各區域請求量以及上一時刻的短期緩存決策信息到宏基站； S42：宏基站處對區域請求量進行累加，用于全局流行度計算，并計算每個微基站周圍鄰居的請求量其中用于在下一個時刻傳輸給各微基站自身的短期緩存決策； 步驟S5具體包括以下步驟： S51：首先分析請求內容的緩存狀態，如果微基站緩存有該請求內容則直接進行服務；否則通過鄰居基站或宏基站將文件協作傳輸給關聯微基站，此時需要減去鄰居基站協作成本；如果都沒有該文件，則從云端獲取，并減去云端獲取內容成本； S52：根據S11中理論單位帶寬速率得關聯速率表，傳輸單位文件的時延則表示為 其中，則表示在微基站k鄰居基站中內容fu的緩存情況，如果都沒有則為0，反之為1；每一個工業設備根據計算所得的結果以及自身設備的時延需求選擇可接入范圍內獲得最小文件獲取時延的微基站或宏基站進行關聯； S53：每一個微基站將當前時刻服務所獲得的單位速率和上傳到宏基站集中處理為獎勵并反饋到微基站群中調整模型； S54：如果需要修改模型相關參數則停止運行并結束，否則時刻數t＝t+1后從S21循環繼續更新緩存策略。

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重慶郵電大學，其通訊地址為：400065 重慶市南岸區黃桷埡崇文路2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”。