一种异构环境下基于深度强化学习的任务卸载与资源分配方法

本发明涉及一种异构环境下基于深度强化学习的任务卸载与资源分配方法，包括：构建异构设备的边缘计算结构，根据边缘计算结构，随机设置边缘服务器和异构无线设备；获取环境信息，对环境信息进行处理；处理包括：本地设备处理或通过异构无线设备卸载到边缘服务器处理；获取本地设备处理和边缘服务器处理的数据量和损耗的能量，并结合资源分配情况和卸载调度情况，建立优化调度模型；将优化调度模型转化为马尔可夫决策模型，设定马尔科夫决策过程中的状态空间、动作空间和奖励函数，基于深度强化学习模型求解马尔科夫决策过程，获取动态资源分配与任务卸载的目标决策；深度强化学习模型利用训练集训练演员模块和评论家模块获得。