一种基于联邦深度强化学习的边缘计算任务卸载方法和系统

本发明公开了一种基于联邦深度强化学习的边缘计算任务卸载方法，首先，通过形式化描述，建模每个用户产生任务的时延和能耗等信息；其次，利用背包问题理论，建立了能耗约束下最小化能耗和最优化卸载均匀度的问题模型；然后，使用深度强化学习算法解决该问题；最后，通过联邦学习的方式，在保证能耗约束下最小化能耗和最优化卸载均匀度的前提下，保护用户隐私。本发明基于边缘服务器资源有限和分布式的特点，使用背包问题模型来对资源交互过程进行建模，在降低用户时延、能耗等开销的基础上，提高了边缘服务器资源利用率。