一种MEC计算卸载、资源分配及缓存联合优化方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种MEC计算卸载、资源分配及缓存联合优化方法,包括:根据用户实际请求计算资源任务,构建MEC计算卸载、资源分配及缓存模型;以最小化系统长期平均开销为目标,对MEC计算卸载、资源分配及缓存模型进行模型转换,并通过深度强化学习结合保序量化法获取卸载决策;基于卸载决策获取本地计算资源及边缘计算资源分配策略,通过任务请求概率分布制定缓存决策,动态更新MEC服务器缓存空间;根据MEC计算卸载、资源分配及缓存模型转换后的系统状态、动作及奖励训练深度强化学习网络,循环迭代优化卸载决策。本发明方法能够降低系统长期平均开销,提高用户请求任务的缓存命中率。
《一种MEC计算卸载、资源分配及缓存联合优化方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023105655545,当前法律状态为已下证,由南京邮电大学提出申请,发明人为刘旭;朱绍恩;杨龙祥;朱洪波,申请日期为2023-05-19,公开(公告)日期为2023-11-10,国际专利分类号(IPC)为 G06F 9/50 (2006.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种MEC计算卸载、资源分配及缓存联合优化方法,包括:根据用户实际请求计算资源任务,构建MEC计算卸载、资源分配及缓存模型;以最小化系统长期平均开销为目标,对MEC计算卸载、资源分配及缓存模型进行模型转换,并通过深度强化学习结合保序量化法获取卸载决策;基于卸载决策获取本地计算资源及边缘计算资源分配策略,通过任务请求概率分布制定缓存决策,动态更新MEC服务器缓存空间;根据MEC计算卸载、资源分配及缓存模型转换后的系统状态、动作及奖励训练深度强化学习网络,循环迭代优化卸载决策。本发明方法能够降低系统长期平均开销,提高用户请求任务的缓存命中率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
