一种基于李雅普诺夫和深度强化学习的任务卸载方法

AITNT
正文
推荐专利
一种基于李雅普诺夫和深度强化学习的任务卸载方法
申请号:CN202410880880
申请日期:2024-07-02
公开号:CN118733143A
公开日期:2024-10-01
类型:发明专利
摘要
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。
技术关键词
深度神经网络结构 李雅普诺夫优化 李雅普诺夫函数 卸载方法 保证系统稳定性 梯度下降算法 时延 能耗 终端设备 深度强化学习 移动设备 训练智能 卸载系统 系统开销 车载移动终端 策略 功率 队列模型
系统为您推荐了相关专利信息
1
基于扩张状态观测器的预浸带张力检测方法、设备及介质
扩张状态观测器 李雅普诺夫函数 状态空间方程 卷轴 遗传算法优化
2
任务卸载方法及计算机设备
终端设备 有向无环图 卸载方法 强化学习模型 卸载策略
3
一种针对非对称执行器齿隙的视觉机械臂控制方法
机械臂 李雅普诺夫函数 机器人运动学 估计方法 补偿器
4
一种基于边缘计算的任务卸载方法、装置、基站及介质
卸载策略 卸载方法 车辆 时延 服务器
5
一种资源受限场景下的大模型推理张量卸载方法及系统
卸载方法 队列 资源 受限 内存占用量
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号