一种基于模仿学习的服务迁移和资源优化方法

本发明提供了一种基于模仿学习的服务迁移和资源优化方法，在边缘云计算框架下，应用容器化技术和模仿学习算法解决训练样本有限的边云资源协同分配和服务迁移调度问题。通过考虑利用边缘侧的计算资源，基于边缘网络和云中心的网络状况及服务的性能需求对来自用户的服务请求进行分解迁移调度，进而提出了一个多用户接入的分布式服务迁移架构和边云协同服务迁移机制。本发明采用上述的一种基于模仿学习的服务迁移和资源优化方法，长期提高边缘云场景下服务集群的吞吐率，降低服务处理时延。