摘要
本发明公开了一种满足用户随机偏好的依赖任务计算卸载方法,属于移动通信技术计算卸载技术领域。针对现有方法在研究卫星依赖任务计算卸载时,往往忽略用户优化目标随机变化的需求问题,通过将地面移动终端的应用分为多个任务组成的工作流用DAG图表示;根据DAG图确定依赖任务的调度顺序;构建随机偏好依赖任务计算卸载优化模型和函数;根据创建的模型将计算卸载问题转换为MDP决策过程,采用多目标强化学习求解卸载决策;综合考虑优化目标的动态偏好需求,设计复合奖励函数,得到最优卸载决策。本发明满足不同偏好需求的最优卸载决策模型,提高了求解效率和灵活性,降低了依赖任务的完成时间与能耗。
技术关键词
卸载方法
深度强化学习算法
面向卫星网络
时延
星地链路
终端设备
决策
地面
任务调度执行
能耗
深度优先遍历
控制策略
最小化系统
动态
卸载技术
移动通信技术
移动终端
系统为您推荐了相关专利信息
人工智能视觉
强化学习框架
深度卷积神经网络
深度Q学习网络
深度强化学习算法
节能驾驶策略
深度强化学习算法
SAC算法
能量管理策略
多车道场景
神经网络模型
通信方法
决策
深度强化学习算法
接收设备