买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京交通大学申请的专利通算融合的分布式资源协同调度方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116866353B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310851893.X，技术领域涉及：H04L67/1012；该发明授权通算融合的分布式资源协同调度方法、装置、设备及介质是由张维庭;王洪超;杨冬;代嘉宁;孙呈蕙;张宏科设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本通算融合的分布式资源协同调度方法、装置、设备及介质在说明书摘要公布了：本发明提供了一种通算融合的分布式资源协同调度方法、装置、设备及介质，包括：获取与通算融合的网络场景对应的分布式计算卸载通信模型与分布式计算卸载计算模型；基于所述分布式计算卸载通信模型与分布式计算卸载计算模型确定分布式算力负载均衡模型；根据所述分布式算力负载均衡模型将算力协同调度过程建模为马尔可夫决策过程；利用预设的分布式算力调度算法对所述马尔可夫决策过程进行求解，获得卸载服务策略；其中，所述预设的分布式算力调度算法为基于MADDPG的分布式算力调度算法。本发明能够在保证用户体验的条件下，维持网络中的节点负载均衡，有一定的有效性和可拓展性。

本发明授权通算融合的分布式资源协同调度方法、装置、设备及介质在权利要求书中公布了：1.一种通算融合的分布式资源协同调度方法，其特征在于，包括：获取与通算融合的网络场景对应的分布式计算卸载通信模型与分布式计算卸载计算模型；基于所述分布式计算卸载通信模型与分布式计算卸载计算模型确定分布式算力负载均衡模型；根据所述分布式算力负载均衡模型将算力协同调度过程建模为马尔可夫决策过程；利用预设的分布式算力调度算法对所述马尔可夫决策过程进行求解，获得卸载服务策略；其中，所述预设的分布式算力调度算法为基于MADDPG的分布式算力调度算法；其中，所述获取与通算融合的网络场景对应的分布式计算卸载通信模型与分布式计算卸载计算模型，包括：根据通算融合的网络场景中用户端所在的当前算力节点对应的负载情况，确定用户端中每一计算任务所对应的数据传输速率，并将确定的数据传输速率作为分布式计算卸载通信模型；根据用户端的计算能力确定计算任务是否在本地处理；在确定计算任务在本地处理的情况下，根据计算任务的时延与能耗计算得到第一成本；在确定计算任务不在本地处理的情况下，根据用户端所在的当前算力节点所对应的计算能力确定计算任务是否在当前算力节点进行处理；在确定计算任务在当前算力节点进行处理的情况下，根据计算任务的时延与能耗、数据传输至当前算力节点所对应的时延与能耗计算得到第二成本；在确定计算任务不在当前算力节点进行处理的情况下，根据计算任务的时延与能耗、数据传输至当前算力节点所对应的时延与能耗、数据传输至远程算力节点所对应的时延与能耗计算得到第三成本；根据所述第一成本、所述第二成本以及所述第三成本确定分布式计算卸载计算模型；所述基于所述分布式计算卸载通信模型与分布式计算卸载计算模型确定分布式算力负载均衡模型，包括：根据用户端所在的当前算力节点的计算能力以及通算融合的网络场景中所有算力节点对应的计算能力计算得到当前算力节点的负载系数与负载均衡系数；根据所述分布式计算卸载通信模型、分布式计算卸载计算模型、当前算力节点的负载系数与负载均衡系数确定分布式算力负载均衡模型；所述利用预设的分布式算力调度算法对所述马尔可夫决策过程进行求解，获得卸载服务策略，包括：S1，对预设的分布式算力调度算法所涉及到的参数进行初始化，获得初始化参数，所述初始化参数包括初始化M个节点算力控制器的参数、初始化actor网络、初始化critic网络、初始化用于动作探索的随机变量Nt以及接收各个智能体的状态信息作为初始状态s＝s1,s2...sM；S2，基于初始化参数，智能体进行动作探索，以获得实时奖励和新的环境状态；S3，利用经验回放机制将旧的环境状态、多智能体联合动作、实时奖励以及新的环境状态存入回放记忆库中，并从回放记忆库中抽取样本；S4，根据抽取的样本对初始化actor网络、初始化critic网络中的参数进行更新；重复执行S2-S4，直到达到预设的条件，从而获得训练好的actor网络与critic网络，并基于训练好的actor网络与critic网络获得卸载服务策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。