摘要
本发明提出了一种基于深度强化学习的边缘计算任务卸载方法,涉及边缘计算的技术领域,首先计算用户设备在不同卸载决策下进行任务卸载的成本,构建成本优化目标函数,引入计算卸载子任务预排序模型构建预排序深度强化学习任务卸载模型,优化边缘计算任务的执行顺序,提高了深度强化学习任务卸载模型的收敛速度,减少了决策时间;以最小化边缘网络终端用户的总成本为目标训练预排序深度强化学习任务卸载模型,利用训练好的预排序深度强化学习任务卸载模型输出卸载决策进行任务卸载,降低了计算任务的时延和能耗。
技术关键词
深度强化学习
卸载方法
表达式
网络
时延
决策
参数
数据
定义
队列
基站
排序模型
功率
能耗
云服务器
缓冲池
链路
频率
信道
系统为您推荐了相关专利信息
膝关节置换术
诊断方法
多模态特征融合
模式
计算机程序指令
链路状态信息
环境感知信息
电力数据通信网
电力业务数据
汇聚节点
情感分析方法
时间序列特征
对齐方法
联合损失函数
DQN算法