一种基于自适应粒子群优化与强化学习的任务卸载优化方法

本发明公开了一种基于自适应粒子群优化与强化学习的任务卸载优化方法，旨在提高工业物联网(IIoT)系统中任务卸载决策的效率与计算资源利用率。该方法通过动态优化卸载策略和超参数调整，提升任务卸载的灵活性和适应性；首先，采用粒子群优化(PSO)算法初始化任务卸载决策，并通过动态调整超参数来适应不同的优化阶段；其次，结合软演员‑评论家(SAC)强化学习算法，根据实时反馈微调粒子群优化中的超参数，从而有效提高任务卸载决策的精度和系统的自适应能力；随后，基于自适应粒子群优化机制动态调整粒子群的搜索策略，以优化任务卸载路径，最大化计算资源利用率；进一步采用基于实时性能反馈的优化机制，监控卸载执行效果并动态调整任务卸载策略，以确保系统在复杂、动态的IIoT环境中长期稳定、高效运行。