一种基于李雅普诺夫和深度强化学习的任务卸载方法

本发明涉及了多移动设备和单个边缘服务器之间的端边协同任务处理系统。移动设备通过无线信道卸载计算密集型任务到边缘服务器，可以选择在本地计算和边缘计算两种模式，并且构建了一个以最小化任务能耗和时延的加权和为目标的长期系统优化问题。我们通过引入虚拟能量队列和李雅普诺夫函数，保证系统稳定性的同时最小化能耗和时延。引入多智能体深度强化学习方法，利用双层竞争深度神经网络结构进行任务迁移比例、CPU周期频率与传输功率的优化。算法通过经验回放机制和梯度下降算法训练智能体的actor和critic网络，实现各终端设备在动态环境中的最优策略学习。与现有技术相比，本发明能够有效降低任务处理时延和能耗，保证系统稳定性。