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！

龍圖騰網獲悉河南大學申請的專利一種基于改進黑翅鳶優化算法的車聯網計算卸載和資源分配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：CN119815417B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510084406.0，技術領域涉及：H04W28/08；該發明授權一種基于改進黑翅鳶優化算法的車聯網計算卸載和資源分配方法是由杜曉玉;盧辰樂;趙浩東;杜瑩;王玉璟設計研發完成，并于2025-01-20向國家知識產權局提交的專利申請。

本一種基于改進黑翅鳶優化算法的車聯網計算卸載和資源分配方法在說明書摘要公布了：本發明提出了一種基于改進黑翅鳶優化算法的車聯網計算卸載和資源分配方法，包括步驟：基于多種計算場景獲取多種計算場景下任務的計算時延和計算能耗，基于多種計算場景下任務的計算時延和計算能耗計算任務的總計算時延和總計算能耗：基于任務的總計算時延和總計算能耗定義系統效用函數，以系統效用函數最小為目標，構建移動邊緣計算場景下的計算時延和能耗模型；基于精英反向學習策略、Gompertz模型和高斯變異策略設計黑翅鳶優化算法，并采用設計的黑翅鳶優化算法對移動邊緣計算場景下的計算時延和能耗模型進行求解，得到最終的計算卸載和資源優化分配方案。本發明能夠加快算法的收斂速度，避免算法過早陷入局部最優解。

本發明授權一種基于改進黑翅鳶優化算法的車聯網計算卸載和資源分配方法在權利要求書中公布了：1.一種基于改進黑翅鳶優化算法的車聯網計算卸載和資源分配方法，其特征在于，包括以下步驟： S1：基于多種計算場景獲取多種計算場景下任務的計算時延和計算能耗，基于多種計算場景下任務的計算時延和計算能耗計算任務的總計算時延和總計算能耗： S2：基于任務的總計算時延和總計算能耗定義系統效用函數，以系統效用函數最小為目標，以分配合理性約束、邊緣服務器計算資源上限約束和閑置車輛可用計算資源上限約束為約束條件，構建移動邊緣計算場景下的計算時延和能耗模型； S3：基于精英反向學習策略、Gompertz模型和高斯變異策略設計黑翅鳶優化算法，并采用設計的黑翅鳶優化算法對移動邊緣計算場景下的計算時延和能耗模型進行求解，得到最終的計算卸載和資源優化分配方案； 步驟S3所述的采用設計的黑翅鳶優化算法對移動邊緣計算場景下的計算時延和能耗模型進行求解的方法為： S3.1：定義改進黑翅鳶優化算法的初始參數集，并基于精英反向學習策略對黑翅鳶種群進行初始化； S3.2：更新領導者，基于Gompertz模型進行局部搜索并進行種群中黑翅鳶個體的位置更新，基于高斯變異策略進行全局搜索并進行種群中黑翅鳶個體的位置更新； S3.3：選取本次迭代中適應度最優的黑翅鳶個體，并與領導者進行適應度比較，選取適應度更優的黑翅鳶個體的位置最為作為本次迭代的最優解，判斷是否達到最大迭代次數； 是，則輸出全局最優解，否，則重復步驟S3.2到S3.3； 所述的定義改進黑翅鳶優化算法的初始參數集的方法為： S3.11：定義初始種群數量為N，種群的最大迭代次數為T，求解問題的維度為dim，解空間的上界為ub，下界為lb； 所述的基于精英反向學習策略對黑翅鳶種群進行初始化的方法為： S3.12：隨機初始化種群P0； S3.13：根據種群P0選取精英種群E_P； S3.14：求出精英種群E_P的反向種群O_E； S3.15：合并種群P0和反向種群O_E得到新種群M_P，從新種群M_P中選擇N個適應度較優的黑翅鳶個體組成初始種群P； 所述的步驟S3.2具體為： S3.21：更新領導者：選擇上一次迭代中具有最優適應度的黑翅鳶個體作為領導者，并更新領導者的位置； S3.22：在局部搜索階段根據Gompertz模型構建黑翅鳶種群攻擊行為的位置更新策略并進行位置更新； S3.23：在全局搜索階段根據高斯變異策略構建遷徙行為的位置更新策略并進行位置更新；步驟S3.22所述的攻擊行為的位置更新策略為： A1、根據Gompertz模型定義步長調整公式： 其中，n是當前迭代的步長，A是初始最大步長，B是用于控制初期步長衰減的速度和起始點的參數，F是步長的衰減速率，t是當前迭代次數； A2、設定固定的常數值p，生成隨機數r，r∈[0，1]，當pr時，執行攻擊策略一，攻擊策略一的位置更新公式如下： 式中，為第t次迭代中第j只黑翅鳶個體的位置，為第t次迭代中第j只黑翅鳶個體更新后的位置； A3、當p≥r時，執行攻擊策略二，攻擊策略二的位置更新公式如下： A4、在局部搜索階段的位置更新完成后，將位置更新前的每個黑翅鳶個體與位置更新后的黑翅鳶個體的適應度相比較，選擇適應度更優的位置作為本次迭代中黑翅鳶個體的位置； 步驟S3.23所述的遷徙行為的位置更新策略為： B1、設定第t次迭代中黑翅鳶種群的領導者為Lt，當前第j只黑翅鳶個體的適應度值為種群中隨機一只黑翅鳶個體的適應度值為 B2、如果當前第j只黑翅鳶個體的適應度值小于隨機一只黑翅鳶個體的適應度值領導者放棄對種群的領導權，加入遷徙種群，位置更新公式如下： 式中，Cauthy0,1代表柯西變異； B3、如果當前當前第j只黑翅鳶個體的適應度值大于或等于隨機一只黑翅鳶個體的適應度值領導者繼續引導種群直至目的地，位置更新公式如下： 式中，m為具有周期性變化的參數； B4、對于更新后的黑翅鳶個體的位置引入高斯變異策略；根據高斯變異策略進行位置更新； B5、在全局搜索階段的位置更新完成后，將位置更新前的每個黑翅鳶個體與位置更新后的黑翅鳶個體的適應度值相比較，選擇適應度更優的位置作為本次迭代t中黑翅鳶個體的位置。

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河南大學，其通訊地址為：450046 河南省鄭州市鄭東新區明理路北段379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”。