面向差异化算力定价的端边协同推理任务卸载方法

本申请实施例公开了一种面向差异化算力定价的端边协同推理任务卸载方法。本申请实施例方法包括：获取经验池中的经验数据；根据经验数据更新强化学习模型；根据当前时刻的信道增益、上一时刻的支付费用、推理任务分割点和边缘服务器标识构建状态向量，将状态向量输入至更新后的强化学习模型，获得各个推理任务的任务分配策略，以使各个终端设备根据任务分配策略将推理任务卸载至边缘服务器进行推理计算；其中，经验数据至少包括每个终端设备的支付费用，表征边缘服务器为完成每个终端设备的剩余推理任务而分配的计算资源量所对应的服务费用。本申请实施例可以令各个终端设备最小化推理的时延和使用边缘算力的成本。