摘要
本发明提供了一种无线边缘算力网络中任务预编码和资源分配优化方法。该方法包括:构建无线边缘算力网络架构模型,建立任务执行时延和能耗模型,建立算力网络中以任务执行时延最小化为目标的算力调度与资源分配的联合优化问题;进一步,将联合优化问题分解为任务预编码子问题和联合任务划分、算力关联和算力分配子问题。通过基于凸优化的方法和一种多智能体强化学习算法的联合设计,有效应对动态复杂环境下任务传输的通信开销、算力未充分利用、任务的隐私安全等挑战。本发明方法可以在保证效率和稳定性能的同时有效指导智能体以更快的收敛速度获得任务预编码、算力关联和资源优化的最优策略。
技术关键词
多智能体深度强化学习
资源分配优化方法
多智能体强化学习
网络系统架构
编码策略
时延
上行链路传输
网络架构
终端服务设备
能耗
资源分配策略
KKT条件
服务器节点
拟合算法
系统为您推荐了相关专利信息
大语言模型
训练样本数据
编码生成方法
偏差
编码策略
多智能体强化学习
驾驶模拟方法
时间序列模型
动力
数据采集模块
多智能体深度强化学习
韧性提升方法
有源配电网
配电系统
分布式电源
组网雷达
多智能体强化学习
干扰决策方法
多智能体协同
策略优化模型
一体化系统
卸载方法
设备状态数据
神经网络参数
多智能体深度强化学习