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！

龍圖騰網恭喜中云智網數據產業(常州)有限公司;江蘇智能交通及智能駕駛研究院申請的專利基于LSTM-DDPG的部分任務卸載及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：CN115243220B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202210861273.X，技術領域涉及：H04W4/40；該發明授權基于LSTM-DDPG的部分任務卸載及資源分配方法是由張芝;譚國平;周思源;龍關森設計研發完成，并于2022-07-22向國家知識產權局提交的專利申請。

本基于LSTM-DDPG的部分任務卸載及資源分配方法在說明書摘要公布了：本發明涉及一種基于LSTM?DDPG的部分任務卸載及資源分配方法，包括：創建一個進行部分任務卸載和資源分配的車聯網MEC網絡模型；將部分任務卸載以及資源分配問題轉化為強化學習模型；將LSTM神經網絡引入到DDPG算法的演員網絡及評論家網絡中。與現有的基于DRL的算法相比，本發明的基于LSTM?DDPG的移動邊緣計算算法來解決任務卸載和資源分配問題，能夠有效實現時延和能耗的權衡，并且在平均任務時延和平均任務能耗方面均有顯著的性能提升。

本發明授權基于LSTM-DDPG的部分任務卸載及資源分配方法在權利要求書中公布了：1.一種基于LSTM-DDPG的部分任務卸載及資源分配方法，其特征在于，包括如下步驟：一、創建一個進行部分任務卸載和資源分配的車聯網MEC網絡模型；網絡模型中包含一個與場景中所有RSU相連的基站，基站可以收集車輛和RSU的狀態信息；部署在路口的RSU配備了MEC服務器，可以為覆蓋范圍內的任務車輛提供計算能力；任務車輛的集合記為；將系統的運行過程劃分為一系列時間長度為的幀，幀的序號用表示；在每幀的開始，基站將從全局的角度感知網絡環境狀態從而選擇合適的部分任務卸載和資源分配策略；步驟一中，任務車輛可以將任務分割為三個部分，分別進行本地處理、通過V2V通信卸載到周邊空閑車輛以及通過V2I通信的方式卸載到MEC服務器中進行處理；通過V2I通信的方式卸載到MEC服務器具體包括：第幀中，任務車輛進行V2I任務卸載時，上行鏈路的信干噪比可以表示為 ，其中，表示在第幀時任務車輛進行V2I通信時的發射功率，表示第幀時任務車輛的V2I信道增益，表示噪聲功率，表示第幀時不同RSU中的其他任務車輛對任務車輛的V2I通信產生的干擾；當任務車輛對任務車輛的V2I通信產生干擾時，為1，否則為0；考慮有限碼長（FBL）機制的影響，第幀時任務車輛進行V2I任務卸載時的傳輸速率為 ，其中，表示信道色散函數，表示高斯Q函數，表示數據傳輸解碼錯誤概率，表示上行傳輸的碼長；通過V2V通信卸載到周邊空閑車輛具體包括：第幀時，任務車輛在V2V任務卸載時，上行鏈路的信干噪比可以表示為 ，其中，表示進行V2V通信時的發射功率，表示V2V信道的信道增益，表示其他任務車輛對本車V2V通信產生的干擾，表示不同RSU中的其他任務車輛對任務車輛的V2V通信產生的干擾；當任務車輛對任務車輛的V2V通信產生干擾時，為1，否則為0；第幀時，任務車輛進行V2V任務卸載時的傳輸速率為 ，第幀時，任務車輛中任務數據的計算可以劃分為本地計算、MEC服務器計算以及目標空閑車輛計算三部分；（1）本地計算的時延為 ，其中，表示第幀時任務車輛分配在本車進行計算的任務數據量，表示計算每比特數據所需的CPU周期數，表示第幀時任務車輛的計算能力，本地計算的能耗為 ，其中，表示芯片架構系數，取決于CPU的芯片架構；（2）MEC服務器計算的時延為 ，其中，表示第幀任務車輛分配在MEC服務器中進行計算的任務數據量，表示第幀時MEC服務器為任務車輛卸載的任務數據分配的CPU計算資源，MEC服務器計算的能耗為 ；（3）目標空閑車輛計算的時延為 ，其中，表示第幀時任務車輛分配在目標空閑車輛中進行計算的任務數據量，表示第幀時任務車輛進行V2V任務卸載時選取的目標空閑車輛的計算能力，目標空閑車輛計算的能耗為 ，忽略任務結果回傳到任務車輛過程中的時延和能耗，則總體時延可以表示為 ，其中，表示第幀時任務車輛中任務處理時延超出的部分；當任務處理的時延超出部分大于一幀時，則該任務將被丟棄；第幀時任務車輛中任務處理的總體能耗可以表示為 ，考慮將時延以及能耗作為優化目標進行任務卸載決策以及資源分配，為了最小化系統代價，優化問題表述為 ，其中，表示能耗的權重系數；二、將部分任務卸載以及資源分配問題轉化為強化學習模型，包括狀態空間、動作空間以及獎勵函數的設計；（1）狀態空間：智能體進行動作決策之前首先需要從環境中獲得當前的狀態輸入，其中 ，表示第幀時任務車輛的任務數據大小； ，表示第幀時任務處理時延超出的部分； ，表示第幀時任務車輛的V2I信道增益； ，表示第幀時任務車輛的V2V信道增益； ，表示第幀時任務車輛進行V2V卸載時對應的目標空閑車輛的計算能力； ，表示第幀時任務車輛的計算能力；（2）動作空間：智能體的動作是進行任務的部分卸載決策以及計算資源與通信資源的聯合分配，可以表示為 ；（3）獎勵函數：將動作應用于環境后，智能體獲得相應的獎勵或處罰；采用幀長減去時延和能耗構成的代價函數的方式來表述任務車輛執行對應的部分任務卸載以及資源分配決策之后的獎勵 ，第幀中，狀態和動作對應的獎勵為 ；三、將LSTM神經網絡引入到DDPG算法的演員網絡及評論家網絡中；在演員網絡中，將LSTM單元加入到全連接層之前；在評論家網絡中，輸入一部分由輸入狀態通過LSTM單元得到，另一部分則由演員網絡的動作輸出。

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中云智網數據產業(常州)有限公司;江蘇智能交通及智能駕駛研究院，其通訊地址為：213000 江蘇省常州市河海東路9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”。