基于D3QN的边缘赋能IIoT在线计算迁移方法
本发明公开了一种基于D3QN的边缘赋能IIoT在线计算迁移方法,涉及计算机技术领域,包括:将当前工业环境抽象为边缘赋能的IIoT网络模型,同时对IIoT内的任务进行建模获得多约束任务模型;根据本地设备的功率、信道传输带宽和服务器的计算能力建立包括时延和能耗的多约束任务计算卸载问题模型;基于多约束任务模型和多约束任务计算卸载问题模型设计D3QN网络,将IIoT任务在线计算迁移问题处理成马尔可夫决策过程,包括状态State、动作Action和奖励Reward;在D3QN网络中加入噪声,根据模型建立基于深度强化学习的算法Noisy D3QN,求解得到最优的任务卸载决策。本发明考虑工业数据的大规模和高复杂性,采用Noisy D3QN算法获取最佳迁移策略,对系统时延和能耗进行高效优化。
《基于D3QN的边缘赋能IIoT在线计算迁移方法》是一发明专利,专利号为 2023111222141,当前法律状态为已下证,由华侨大学提出申请,发明人为彭凯;凌成芳,申请日期为2023-09-01,公开(公告)日期为2025-10-10,国际专利分类号(IPC)为 G06N 3/096 (2023.01),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:本发明公开了一种基于D3QN的边缘赋能IIoT在线计算迁移方法,涉及计算机技术领域,包括:将当前工业环境抽象为边缘赋能的IIoT网络模型,同时对IIoT内的任务进行建模获得多约束任务模型;根据本地设备的功率、信道传输带宽和服务器的计算能力建立包括时延和能耗的多约束任务计算卸载问题模型;基于多约束任务模型和多约束任务计算卸载问题模型设计D3QN网络,将IIoT任务在线计算迁移问题处理成马尔可夫决策过程,包括状态State、动作Action和奖励Reward;在D3QN网络中加入噪声,根据模型建立基于深度强化学习的算法Noisy D3QN,求解得到最优的任务卸载决策。本发明考虑工业数据的大规模和高复杂性,采用Noisy D3QN算法获取最佳迁移策略,对系统时延和能耗进行高效优化。
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!
