摘要
本发明提供一种边缘云车联网中多队列任务分布式卸载方法、设备及介质,涉及通信技术领域,包括:将多个边缘服务器划分到至少一个边缘域,并在每个边缘域内部署一个智能体;智能体基于当前时隙的观测状态,包括车载终端的位置、待卸载任务量、通信状态、任务处理等待时延、边缘服务器的剩余计算资源和位置,利用双延迟深度确定性策略梯度模型确定任务卸载比例、带宽分配比例及李雅普诺夫队列参数,以最小化任务时延比和任务能耗比。通过迭代更新智能体的模型参数,并在达到预设迭代次数后进行联邦学习聚合。本发明解决分布式环境异构性问题,实现高效、低延迟和低能耗的任务卸载。
技术关键词
深度确定性策略梯度
卸载方法
线性回归模型
时延
服务器
队列
李雅普诺夫函数
车载终端
能耗
通信信道
非暂态计算机可读存储介质
参数
门控循环单元
分布式环境
频率
处理器
周期
低延迟
定义
功耗
系统为您推荐了相关专利信息
高密度存储服务器
存储控制方法
数据访问模式
存储硬盘
存储单元
灰度共生矩阵
融合特征
特征金字塔网络
特征提取网络
训练图像数据
自动绘制方法
图片
推送方法
机器人
动态生成表格
追踪管理系统
追踪管理方法
云端服务器
问答知识库
客户端
下行短波辐射
指数
多元线性回归模型
Copula函数
变量