摘要
本发明提出了一种基于双向卸载机制的D2D辅助MEC计算资源分配方法,步骤为:在资源受限的工业互联网场景中,建立D2D辅助MEC的计算卸载架构;将D2D辅助MEC的计算卸载架构的任务卸载与资源分配问题建模为基于图结构的分布式部分可观测马尔可夫决策过程;基于融合Transformer与任务屏蔽机制的多智能体深度强化学习框架求解基于图结构的分布式部分可观测马尔可夫决策过程,各个工业机器人分布式进行自适应任务卸载与资源分配决策。本发明通过搭建融合Transformer与多智能体强化学习的框架能应对智能体数量增多、卸载决策复杂性增加的场景,并设计了一种动态任务屏蔽机制,给场景中的工业机器人灵活分类,提高任务卸载效率。
技术关键词
工业机器人
资源分配方法
门控循环单元
神经网络模型
推理网络
深度强化学习
决策
多层感知机
服务器
注意力机制
引入序列信息
工业互联网
时延
批量数据
建模方法
资源分配策略
评估工业
系统为您推荐了相关专利信息
训练神经网络模型
智能评估方法
植被
智能评估系统
图像采集设备
性能测试系统
性能测试数据
测试点
电阻随温度变化
性能测试报告
文本识别
神经网络模型
语音识别模型
视频帧
人脸数据库
深度神经网络模型
坐标点
三维空间定位方法
样本
三维空间定位系统