云网融合环境下基于深度强化学习的组合服务动态重构方法及系统

本发明公开了一种云网融合环境下基于深度强化学习的组合服务动态重构方法及系统，该方法通过收集云网用户的位置信息、边缘服务器分布信息，通过融合组合服务的QoS数据以及服务器分布构建云网服务数据集。利用用户接入基站的历史位置信息生成用户移动轨迹，构建时空图卷积网络模型预测用户的未来位置。根据用户位置，确定可进行重构的候选服务集，针对用户需求对组合服务制定合适的重构决策，考虑到用户的移动性，需要将重构请求的服务卸载到覆盖用户未来位置范围的边缘服务器上执行。由于重构决策所选择的服务在本地执行或者在空地协同的不同边缘服务器上卸载会使得时延、能耗等成本具有差异性，因此设计使用深度强化学习算法对组合服务进行重构决策和卸载决策，以减小这两种决策之间耦合性所带来的影响。本发明提出的组合服务动态重构方法能够平衡云网服务重构决策与卸载决策，保证用户服务质量的同时，最小化服务卸载的成本。