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！

龍圖騰網獲悉重慶大學申請的專利車聯網服務卸載遷移及負載均衡方法、利用該方法的系統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：CN116017578B 。

龍圖騰網通過國家知識產權局官網在2025-09-19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：202310020958.6，技術領域涉及：H04W28/08；該發明授權車聯網服務卸載遷移及負載均衡方法、利用該方法的系統是由葉青;謝符坤;曾令秋;林俐;韓慶文;葉蕾設計研發完成，并于2023-01-07向國家知識產權局提交的專利申請。

本車聯網服務卸載遷移及負載均衡方法、利用該方法的系統在說明書摘要公布了：本發明提出了一種車聯網服務卸載遷移及負載均衡方法、利用該方法的系統，該方法包括：VU獲取任務，卸載部分計算密集型任務至該VU連接的MEC服務器；獲取該VU卸載任務至MEC的通信延遲放置于該VU進行數據處理的計算密集型任務的本地計算的時延以及被卸載任務在MEC服務器的計算時延構建目標函數，對目標函數進行求解，獲取任務卸載比例，以及是否對當前計算任務進行遷移，并以此控制VU和MEC服務器執行。本發明考慮了信道時變和任務隨機到達情形下的系統時延優化，既保證了車輛任務在任務容忍時延內的完成率，又優化了提供服務的MEC服務器之間的任務遷移和負載均衡算法，滿足了完成計算密集型任務的低時延和緩解計算資源過度負載的需求。

本發明授權車聯網服務卸載遷移及負載均衡方法、利用該方法的系統在權利要求書中公布了：1.一種車聯網服務卸載遷移及負載均衡方法，其特征在于，包括如下步驟： S1，第n輛VU獲取任務Taskn＝{λn,Cn,Ttolerance}，λn為該VU的任務數據量，Cn為該VU計算該任務所需的CPU總周期數，Ttolerance為任務的容忍時延，n∈N，N為車聯網內車輛總數，N為正整數； S2，將任務類型分為時間敏感型任務和計算密集型任務，若為時間敏感型任務，則放置于所述VU進行數據處理；若為計算密集型任務，則卸載部分計算密集型任務至該VU連接的MEC服務器進行計算； S3，獲取該VU卸載任務至MEC的通信延遲放置于該VU進行數據處理的計算密集型任務的本地計算的時延以及被卸載任務在MEC服務器的計算時延 獲取VU卸載任務至MEC的通信延遲的方法為： 對于每個時隙，車輛n的信道向量為hnt， 基站的接收信號表示為： 其中，po,nt代表車輛的傳輸功率，snt表示單位方差，nt表示高斯白噪聲向量； 信道狀態在時間t和t-1之間的變換表示如下： 其中，ρn是在時刻t和t-1之間的歸一化通道相關系數，et為誤差向量，呈高斯分布，使Ht＝[h1t,…,hnt]表示BS和N輛車之間的KxN通道矩陣，K為天線數量，記H+t作為ZF檢測器，檢測從yt接收到的VU信號，則線性譯碼器表示為： 其中HHt是Ht的共軛轉置， 用表示H+t的第n行，存在當i＝j時，δij＝1，否則δij＝0，車輛n的接收信號表示為： 則車輛n在t時刻的信噪比為： [A]nn表示矩陣A的第n-n個元素，為方差； 則車輛n與MEC服務器m之間可達到的數據傳輸速率可計算為： rnt＝Blog21+γnt B是分配給每輛車的帶寬， 則車輛n卸載部分任務到MEC的通信時延表示為 rnt為車輛n與MEC之間的數據傳輸速率，xn∈[0,1]為卸載比例，λn為任務量大小； 獲取放置于VU進行數據處理的計算密集型任務的本地計算的時延的方法為： 其中，fn為車輛在本地計算任務時CPU的計算能力，Cn是計算任務n時所需的CPU總周期數，xn為車輛單元將任務卸載至MEC服務器計算的比例； 獲取被卸載任務在MEC服務器的計算時延的方法為： 其中，Cnxn為卸載至MEC服務器的任務需要進行計算的CPU周期數，fm為MEC服務器m的計算能力，表示為任務n是否由MEC服務器m計算； S4，判斷哪些卸載任務在MEC服務器的計算時延不滿足QoS要求，將不滿足QoS要求的任務在MEC服務器之間進行遷移實現負載均衡，獲取遷移時延遷移成本以及負載均衡因子LBF；若所有卸載任務在MEC服務器的計算時延均滿足QoS要求，令遷移時延遷移成本以及計算負載均衡因子LBF； 獲取遷移時延遷移成本的方法為： 當MEC服務器將計算任務從第m個MEC遷移到第m'個MEC時，遷移時延表示為： MEC服務器之間為有線連接，Mb是MEC服務器之間的帶寬，λn為總的數據量大小，λnxn為遷移的數據量大小； 遷移成本表示為： 其中μ為權重因子，μ0； 獲取負載均衡因子LBF的方法為： 第m個MEC服務器的計算負載Lm表示為： M表示為MEC服務器的數量，N表示為任務的數量，與車輛數量相等，Lm表示為第m個MEC服務器上的計算任務的累加，如果任務n由服務器m進行計算處理，則 所有MEC的平均計算負載表示為： 為了確定計算負載是否在系統中的MEC之間公平分配，負載平衡通過計算負載的偏差來衡量，將負載均衡因子LBF定義為: S5，構建目標函數： S.tTTtolerance,xn∈[0,1], 其中，ω表示任務在不同MEC服務器之間發生的遷移次數， λl，w均為自定義的權重參數,w∈[0,1]，xn為卸載比例； S6，對目標函數進行求解，獲取任務卸載比例，以及是否對當前計算任務進行遷移，并以此控制VU和MEC服務器執行； 采用DRL-MATD3算法對目標函數進行求解，具體步驟為： S11，為每個基站agenti初始化三個普通網絡，其中包括兩個critic網絡和一個actor網絡三個普通網絡具有隨機網絡參數θi,1，θi,2和i為基站的序號； S12，為每個agenti初始化三個目標網絡，包括兩個target_critic網絡參數Q′ θi,1,Q′ θi,2和一個target_actor網絡參數將初始化的三個普通網絡參數復制給目標網絡，即θ′i,1＝θi,1，θ′i,2＝θi,2，并初始化回放緩沖區Buf； S13，初始化一個隨機噪聲ξ用于探測動作，并接收N輛車輛初始狀態s＝sl,s2…,sn，其中sn＝{Taskn,hn,l}，Taskn＝{λn,Cn,Ttolerance}表示車輛n到達的任務信息，hn當前車輛n和基站之間的信道狀況，l表示當前BS服務范圍內MEC服務器的計算負載； S14，設置最大訓練次數T1，t1為訓練次數序號，T1為正整數，令t1＝1，執行以下操作： 對于每個agenti，選擇隨機動作aj～μisj+ξi，ξi為噪音，j∈1,N表示VU序號，μisj表示網絡輸入sj狀態， 進行神經網絡的探索，確定當前策略，執行動作空間a＝a1,…,an，其中an＝{xn；qn}， xn表示卸載比例，qn表示對卸載到MEC服務器上的任務的遷移決策，對動作空間的求解就是對下一步卸載決策和任務遷移決策的求解， 執行下一步動作后觀察當前策略的獎勵r和新狀態s′， r＝-λlT+wCmigrate+1-wLBF 將執行當前探索得到的經驗元組s,a,r,s′存放于回放緩沖Buf中，并更新狀態s＝s′； 對每個agenti執行如下操作：當Buf中的元組數量達到一定值時，從Buf中隨機抽樣N個樣品sj,aj,rj,s′j，設定目標值yj＝r+γ*target_q_min，γ為折扣率，是由人為主觀設定權重參數，并根據計算的目標值yj和Q值對critic網絡的θi,n參數進行更新，其中，在計算目標值yj時，通過使用兩個critic網絡估算Q值，實現doublenetwork，選擇相對較小的Q值即target_q_min作為計算目標值yj的參數； 當critic網絡更新次數達到設定的某參數值時，actor網絡和target_critic、target_actor網絡的參數進行一次更新； S15，令t1＝t1+1再次執行步驟S14，直到完成所有的訓練輪次，得到最終訓練的網絡。

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大學，其通訊地址為：400030 重慶市沙坪壩區沙正街174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”。