摘要
本发明公开了一种基于SAGIN的任务卸载与资源分配联合优化方法及系统,通过SAG‑IoT系统收集任务及调度信息;利用任务数据及调度信息,基于匹配博弈算法实现UAV与IoT设备的最优关联,并对任务卸载做出最优决策,最大化SAG‑IoT系统计算性能;基于最优关联、任务卸载最优决策以及最大化SAG‑IoT系统计算性能,基于深度强化学习的在线卸载框架,构建从输入X(t)到最优动作x*(t)的低复杂度映射策略,基于不同模块与随机环境的重复交互,依次迭代和运行,实现任务卸载与资源分配联合优化。本发明在稳定系统队列的同时获得了最优的计算性能,优化框架除了利用二进制计算卸载外,还可以扩展到由多个独立子任务组成的在线部分计算卸载策略。
技术关键词
IoT系统
资源分配联合优化
深度强化学习
博弈算法
队列
决策
策略更新
模块
复杂度
GS算法
链路余量
噪声温度
能耗
卸载策略
服务器
稳定系统
系统为您推荐了相关专利信息
电池组充放电状态
电池检测技术
多尺度
缓存机制
噪声抑制
变电设备
深度强化学习模型
巡检策略
分层强化学习
设备状态评估
数字孪生模型
深度强化学习
语义分割神经网络
监控方法
聚酯网
运维管理方法
深度强化学习模型
循环神经网络模型
节点
故障预测模型
动态布控
视频
区域生长算法
HSV颜色空间
投影变换矩阵