摘要
本发明实施例提供了一种应用于边缘计算的任务卸载方法、装置、设备及介质,其中,该方法包括以下步骤:将预卸载的卸载任务队列的卸载成本作为基线数据;初始化记忆库、评估网络和目标网络;设置训练回合,在每个训练回合中,使用评估网络对卸载任务队列中的每个任务进行卸载,通过基线数据计算卸载所需的任务卸载成本,并获取卸载的记忆,生成每个训练回合对应的总卸载成本;将记忆库中的记忆传入至目标网络,通过误差向量更新评估网络的权重参数,将评估网络的训练参数拷贝至目标网络;将所有训练回合中,总卸载成本最低的训练回合作为任务卸载的最终策略。该方案通过优化的任务卸载方法,降低了用户的服务延迟和边缘系统的整体能耗。
技术关键词
记忆
卸载方法
误差向量
网络
时延
队列
基线
参数
深度强化学习算法
拷贝
能耗
可读存储介质
卸载装置
数据获取模块
策略
数值
处理器
计算机设备
系统为您推荐了相关专利信息
原始图像数据
卷积神经网络融合
注意力机制
识别方法
大数据
神经网络模型
输出特征
基准特征
模型剪枝方法
掩码矩阵
网络安全监控系统
网络状态信息
硬件设备监控
子系统
网络硬件设备
文本特征向量
图像特征向量
信息处理方法
信息处理模型
标签
风险
多模态融合技术
卷积神经网络提取图像特征
模态特征
注意力机制