摘要
一种基于MEC辅助系统中面向用户计算卸载的多维度资源联合优化方法,通过构建包含网络模型、通信模型、缓存模型以及计算卸载模型的MEC辅助网络中面向用户计算卸载的系统模型,并基于此模型构建以最小化系统加权开销为目标的联合优化问题,再通过深度强化学习算法求解得到最优策略,实现多维度资源联合优化。本发明考虑在MEC辅助的网络场景下,考虑到用户不同的计算任务类型,联合优化计算、通信、缓存(3C)资源,充分利用各维度资源,发挥MEC的潜在优势,在联合优化问题建模过程中,同时考虑降低用户设备计算任务处理的时延和能耗,显著提升系统的整体性能和用户体验,弥补现有技术中资源优化目标单一的问题。
技术关键词
资源联合优化方法
辅助系统
深度强化学习算法
强化学习模型
信道
决策
网络
最小化系统
服务器
上行传输时延
构建系统模型
能耗
OFDM技术
变量
生成动作
策略更新
系统为您推荐了相关专利信息
数据中心
数据传输模块
任务调度方法
深度强化学习算法
服务质量约束
数据传输方法
终端设备
网络设备
多用户多输入多输出
物理上行共享信道
混沌神经网络
PAPR抑制方法
加密数据
编码器
信号
模糊神经网络
保密通信方法
同步控制器
同步误差
新一代信息技术