一种满足用户随机偏好的依赖任务计算卸载方法

AITNT
正文
推荐专利
一种满足用户随机偏好的依赖任务计算卸载方法
申请号:CN202411602171
申请日期:2024-11-11
公开号:CN119557086A
公开日期:2025-03-04
类型:发明专利
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
1
一种基于车边云自主协同的可信任务卸载方法
卸载方法 离散粒子群算法 决策 编码 异构车联网
2
一种计算任务的分配方法、装置、电子设备及存储介质
网络节点 能耗 服务器 计算机程序指令 时延
3
一种基于线性判别的人工智能视觉检测方法
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
4
基于深度强化学习算法的多车道场景集成式节能驾驶策略优化方法
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
5
一种基于深度强化学习的多智能频率决策通信方法
神经网络模型 通信方法 决策 深度强化学习算法 接收设备
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号