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！

龙图腾网获悉贵州理工学院申请的专利基于混合学习策略的传输任务调度优化方法及装置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：CN121711255B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610210493.4，技术领域涉及：H04L41/0896；该发明授权基于混合学习策略的传输任务调度优化方法及装置是由李少波;张星星;杜罗乐;魏宏静;何秋辰;王喜宾设计研发完成，并于2026-02-13向国家知识产权局提交的专利申请。

本基于混合学习策略的传输任务调度优化方法及装置在说明书摘要公布了：本发明实施例公开一种基于混合学习策略的传输任务调度优化方法及装置，涉及物联网和人工智能领域，该方法包括：根据带宽需求数据、最大承载带宽数据以及用户服务质量约束数据，构建以最小化预设时间周期内系统总带宽成本为目标函数的任务调度优化模型，初始化混合学习策略粒子群优化算法的参数，包括粒子群规模、粒子位置与速度，根据混合学习策略粒子群优化算法迭代优化带宽分配方案，在每次迭代过程中更新每个粒子的个体历史最优位置和种群的全局历史最优位置，当迭代达到最大迭代次数时，输出全局最优位置对应的带宽分配方案，作为最优传输任务调度方案。以此方式，实现网络带宽资源的快速高效分配。

本发明授权基于混合学习策略的传输任务调度优化方法及装置在权利要求书中公布了：1.一种基于混合学习策略的传输任务调度优化方法，其特征在于，所述方法包括： 获取边缘计算网络中多个任务节点的带宽需求数据、多个边缘节点的最大承载带宽数据、以及任务节点与边缘节点之间的用户服务质量约束数据； 根据所述带宽需求数据、最大承载带宽数据以及用户服务质量约束数据，构建以最小化预设时间周期内系统总带宽成本为目标函数的任务调度优化模型； 初始化混合学习策略粒子群优化算法的参数，包括粒子群规模、粒子位置与速度，其中，每个粒子的位置向量编码代表一种带宽分配方案； 根据所述混合学习策略粒子群优化算法迭代优化带宽分配方案，在每次迭代过程中更新每个粒子的个体历史最优位置和种群的全局历史最优位置； 当迭代达到最大迭代次数时，输出全局最优位置对应的带宽分配方案，作为最优传输任务调度方案； 所述方法还包括采用约束满足启发式方法生成初始粒子位置，具体包括： 根据用户服务质量约束，确定每个任务节点可接入的边缘节点范围； 在所述边缘节点范围内，根据任务节点的带宽需求和边缘节点剩余可承载带宽，为每个任务节点分配初始带宽方案； 若所述初始带宽方案导致任一边缘节点的总分配量超过其最大承载带宽，则通过超额带宽迁移进行修正，直至所有约束均被满足； 所述通过超额带宽迁移进行修正，包括： 识别出当前带宽分配总量超出自身最大承载带宽的超量边缘节点，并计算该边缘节点实际带宽分配量与最大承载带宽之间的超额带宽数值； 针对曾向所述超量边缘节点分配带宽的任务节点，从其满足用户服务质量约束的可选边缘节点范围内，筛选出剩余可承载带宽大于预设阈值的边缘节点组成候选迁移节点集合； 在候选迁移节点集合中，选取单位带宽成本计费系数最低的节点作为目标迁移节点，将超量边缘节点的超额带宽全部迁移至所述目标迁移节点，同时相应调整原任务节点向超量边缘节点与目标迁移节点的带宽分配比例； 迁移完成后，检查原超量边缘节点的带宽分配是否符合最大承载带宽约束；若该边缘节点的带宽分配仍超出最大承载带宽，则再次执行上述识别超量边缘节点、筛选候选迁移节点、迁移超额带宽步骤，直至所有边缘节点的带宽分配均满足最大承载带宽约束。

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贵州理工学院，其通讯地址为：550025 贵州省贵阳市贵安新区党武镇博士路；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”。

以上内容由龙图腾AI智能生成。