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！

龙图腾网恭喜吉林大学申请的专利一种D2D辅助MEC系统中基于博弈论的联合优化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：CN114466335B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202210097989.7，技术领域涉及：H04W4/70；该发明授权一种D2D辅助MEC系统中基于博弈论的联合优化方法是由王雪;韩英斌;史昊天;高鑫;石文孝;钱志鸿设计研发完成，并于2022-01-27向国家知识产权局提交的专利申请。

本一种D2D辅助MEC系统中基于博弈论的联合优化方法在说明书摘要公布了：本发明适用于通信技术领域，提供了一种D2D辅助MEC系统中基于博弈论的联合优化方法，具体步骤包括：S101：构建系统模型；S102：根据构建的系统模型，建立特定的优化问题；S103：将卸载模式选择构建为一个势博弈过程；S104：根据得到的卸载模式，求得卸载比例与资源分配方案；S105：重复迭代执行S103和S104，求出最佳卸载模式、最佳卸载比例分配以及最佳计算资源分配。本发明中的D2D辅助MEC系统中基于博弈论的联合优化方法，整体方法通过博弈论、凸优化以及拉格朗日乘子法得到最佳卸载模式、最佳卸载比例分配以及最佳计算资源分配，并且能够满足系统内用户的通信需要，有效减小系统内任务设备的执行时延，提高系统内用户的体验质量。

本发明授权一种D2D辅助MEC系统中基于博弈论的联合优化方法在权利要求书中公布了：1.一种D2D辅助MEC系统中基于博弈论的联合优化方法，其特征在于，所述联合优化方法具体步骤如下： S101：在D2D辅助移动边缘计算系统中，构建包含任务设备、资源设备、边缘服务器和云服务器的系统模型，并初始化任务设备计算能力、任务数据量大小以及边缘服务器计算能力系统参数； 构建D2D辅助移动边缘计算系统中计算卸载与资源分配模型的具体步骤如下： S1011：在系统模型中，首先选择一个准静态网络场景，即用户的位置在计算卸载期间保持不变；其次，设置任务设备的计算密集型任务分成两部分进行处理；因此将系统模型分为D2D卸载模式、MEC卸载模式以及云卸载模式； S1012：对于D2D卸载模式，任务设备将执行的任务部分卸载到空闲的D2D设备执行，而余下部分留在本地执行；对于MEC卸载模式，任务设备将执行的任务部分卸载到边缘服务器执行，而余下部分留在本地执行；对于云卸载模式，任务设备将执行的任务部分卸载到云服务器执行，而余下部分留在本地执行； S1013：设边缘服务器的CPU总资源为；接入任务设备TD集合为，并且每个任务设备都有一个需要执行的时延敏感型任务，其中是任务数据大小，以字节为单位；是计算任务一位所需的计算资源，以周期位为单位，为的计算能力，单位为CPU频率每秒CPU周期； S1014：定义为任务设备可选择的卸载模式；定义模式选择因子为；定义为卸载任务的比例； S102：根据S101构建的系统模型，得到D2D卸载模式、MEC卸载模式以及云卸载模式下时延的计算方法，并且以最小化系统内任务设备总时延为目标，建立特定的优化问题； S103：根据S102中建立的优化问题，将卸载模式选择构建为一个势博弈过程，并在每次迭代中更新一个任务设备的卸载模式； 将卸载模式选择构建为一个势博弈过程的具体步骤如下： 对于系统中每一个，当已经给定其他TD的卸载方式时，会以自身时延最小为目标来选择一种最优的卸载模式，该卸载模式选择问题表示为；由于系统内的任务设备之间存在竞争关系，将卸载模式选择构建为一个博弈，表示博弈的参与者，即系统内全部的任务设备；为的策略空间，即卸载模式；表示参与者的时延函数； S104：根据S103得到的卸载模式，针对选择D2D卸载模式和云卸载模式的任务设备，通过凸优化得到任务卸载比例；针对选择MEC卸载模式的任务设备，首先通过凸优化得到任务卸载比例的表达式，然后将其带入优化问题，再通过拉格朗日乘子法求得计算资源分配的数值，最后将得到的数值代入任务卸载比例表达式求得任务卸载比例； S105：重复迭代执行S103和S104至收敛或者最大迭代次数，求出最佳卸载模式、最佳计算资源分配以及最佳卸载比例分配。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。