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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于时空任务需求预测的时延感知资源预留方法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：CN115720226B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202211097503.6，技术领域涉及：H04L67/1004；该发明授权一种基于时空任务需求预测的时延感知资源预留方法是由张建辉;裴子航;吴晨锴;姚俊设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本一种基于时空任务需求预测的时延感知资源预留方法在说明书摘要公布了：本发明提供了一种基于时空任务需求预测的时延感知资源预留方法，本发明通过融合图卷积神经网络和基于注意力机制的门控循环神经网络，构建时空深度学习模型预测区域任务卸载需求，面向空间区域提出了时延感知边缘服务器资源预留策略，通过区域边缘服务器资源预留最小化终端任务卸载时延。本发明基于资源需求的空间和时变特性，通过对区域任务卸载需求的预测、面向空间区域提出时延感知边缘服务器资源预留策略、设计基于资源预留的任务卸载时延最小化模型，有效减少了终端任务卸载的延迟，提升了边缘网络的资源调度和运转效率。

本发明授权一种基于时空任务需求预测的时延感知资源预留方法在权利要求书中公布了：1.一种基于时空任务需求预测的时延感知资源预留方法，其特征在于：具体包括如下步骤：步骤1、将整个区域划分为若干子区域，然后预测每个子区域的任务卸载需求；将区域划分为若干个彼此不相交的子区域，使用ν,ν∈S表示子区域，其中S表示子区域的集合；将每个子区域中的边缘服务器整合为一个边缘服务器以简化问题；首先，通过图结构表示子区域之间的空间相关性，在图中把每个子区域表示成一个顶点，此时子区域的集合S是图中的顶点集合，是图的邻接矩阵，表示图中顶点的连通性，考虑子区域之间的四种空间相关性模型包括区域邻居图、区域连通图、区域功能相关性图、区域任务类型相关性图；通过图结构来表示其非线性相关性，多图的特征提取和进一步融合通过多图卷积网络实现；同时考虑时间序列上的相关性，使用O|S|τ表示在时间槽τ所有子区域观测值的阶数；假设在时间槽τ的观测值受到前ω个时间槽的影响，则区域时空关联任务卸载需求预测问题表述为给定时间长度的单步时空预测问题；通过学习函数Ψ∶对前ω个时间槽的终端任务卸载需求历史数据进行学习，从而获取时间槽τ的区域终端任务卸载需求，时间槽τk+1的观测值受到前ω个时间槽的影响，O|S|τk+1＝ψ{O|S|τk-ω+1,…,O|S|τk}，|S|表示区域数量，k表示时间槽个数；通过图卷积网络提取区域的全局特征，即区域以及区域之间的空间相关性特征，通过公式聚合当前区域和关联区域的特征；其中Θ表示聚合函数，聚合当前区域特征信息以及空间相关性区域的特征信息，形成区域特征描述；表示多图卷积操作，表示图的拉普拉斯矩阵度的最大值；然后经全局平均池化操作和降维得到当前子区域和其相关性子区域的区域描述，其中表示全局平均池化操作，为通过多图卷积网络聚合当前子区域和关联子区域的特征，表示不同当前区域及其关联区域的特征；然后通过操作为不同观测序列自适应分配相应的权 重系数，s表示时间观测序列的权重向量，表示给不同时间观测序列 赋予权值操作，W1和W2是权重参数，σ和分别表示激活函数ReLU和sigmoid； 通过为原观测序列赋予权重系数从而得到新的观测序列，k表示时间槽个数，O|S|τk表示第k个时间槽的所有子区域观测值的阶数，sτk表示第k个时间槽的时间观测序列的权重向量，表示给原观测序列重新赋予权重后得到新观测序列的操作；通过门控循环神经网络聚合不同时间槽的观测值，每个子区域的门控输入序列通过共享RNN层聚合为单个向量Ωi，m表示时间槽个数k的最大值，i表示子区域的个数，最大为|S|，W3表示权重参数，表示不同时间槽的赋予权重系数后得到的新观测序列；最后通过全连接层将提取的特征转化为预测结果，即区域时空关联任务卸载需求；从而构建基于区域空间相关性和时间相关性关联任务卸载需求预测模型STCTOD；步骤2、根据步骤1构建的STCTOD模型对每个子区域任务卸载需求进行预测，云服务器根据预测值分别向子区域边缘服务器发出资源预留请求，对子区域拥有的资源进行预留；子区域的资源预留请求未得到满足，则在子区域之间进行资源调度；资源预留请求仍未得到满足的区域将由云接收；具体如下：将时间离散为间隔相等的n个时间槽，使用τk,k＝1,2,…n表示；时间槽τk的开始时刻使用tk,k＝0,1,2,…,n表示；每个时刻tk确定时间槽τk的变量值；时间槽位于两个时刻之间，时间槽τk位于时刻tk-1和tk之间；构建基于端边云协同的边缘网络区域拓扑图，定义时间消耗模型，包括任务在区域之间迁移的成本以及在边缘服务器计算的时间成本定义基于区域资源预留的终端任务卸载时延最小化问题；为使终端任务卸载时延最小化，边缘服务器资源预留的时间成本应最小化；为了确保边缘服务器的正常工作，边缘服务器的实际工作负载要小于其最大工作负载，边缘服务器中资源使用的阈值系数设置为；构建基于资源预留的任务卸载时延最小化模型： 表示在时间槽τk的任务卸载总时间成本，m表示时间槽个数k的最大值，式2表明当前任务是否需要从当前边缘服务器vi迁移，Vs包含云服务器和边缘服务器，f表示当前任务所请求的任务计算量，Fi表示边缘服务器或云服务器的任务计算量，定义决策变量表示任务i在时间槽τ迁移至其它边缘服务器或者云服务器；表示迁移至其它边缘服务器，表示迁移至云服务器；式3表明当任务需要从当前边缘服务器迁移时，任务是迁移至其它边缘服务器还是云服务器，定义决策变量表示边缘服务器vi上的任务是否需要迁移；表示任务在当前边缘服务器上执行，表示需要将任务从当前边缘服务器迁移至其它边缘服务器或云服务器进行计算；式4表明当前任务所请求的计算能力hi不应超过边缘服务器或云服务器的计算能力阈值Hi；式5表明每个区域的最终资源预留值aiτ不应超过当前区域可利用资源的阈值Riτ×；令为vm节点vi在时间槽τ将任务传输至vr节点vj的速率；则在时间槽τ，终端卸载的任务传输至路边单元的时间成本通过公式计算，ρiτ表示终端设备vi在时间槽τ的任务卸载量；令为vr节点vi在时间槽τ将任务卸载至vs节点vj的速率，则任务从路边单元卸载至边缘服务器的时间成本的时间成本通过公式计算，dvi,vj表示vr节点vi和vs节点vj的欧氏距离，通过公式vi∈Vr,vj∈Vs计算；输入每个区域终端任务卸载需求，输出每个子区域边缘服务器可接收的资源预留策略以及云接收的资源预留策略具体为：首先，输入终端任务卸载历史观测数据，通过模型STCTOD进行预测，获取时间槽τk的区域终端任务卸载需求O|S|τk；接下来，将和未满足资源预留请求的区域集合置为空集；对于每个区域i,νi∈S，根据边缘服务器工作负载阈值系数更新边缘服务器在时间槽τk的实际可用资源Qiτk；根据预测的终端任务卸载需求O|S|τk以及终端卸载任务量ρ计算区域i的资源预留请求Riτk；如果当前区域的边缘服务器资源满足资源预留请求，则接收该请求；否则，将当前区域进行标记，并放入集合对于每个区域i,通过Dijkstra算法寻找距离请求区域最近的区域j；如果j≠-1，则表明满足条件的区域存在，该区域将接收资源预留请求；如果j＝-1则表明没有区域满足资源预留请求，则资源预留请求上传至云；最终的输出为每个区域可接收的资源预留策略以及云接收的资源预留策略

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。