一种基于深度强化学习的边缘计算任务卸载方法

AITNT
正文
推荐专利
一种基于深度强化学习的边缘计算任务卸载方法
申请号:CN202510425588
申请日期:2025-04-07
公开号:CN120492047A
公开日期:2025-08-15
类型:发明专利
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
1
一种基于样本分层的图像对比聚类方法
样本 聚类方法 神经网络模型 原型 图像
2
基于多模态数据的膝关节置换术后失败模式的诊断方法
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
3
一种电力数据通信网汇聚节点的确定方法、装置、设备、介质及产品
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
4
基于扩展元胞机的学生综合活动行为仿真方法及存储介质
学生 仿真方法 运动特征 仿真模型 密度
5
一种基于多模态数据对齐的高性能情感分析方法、设备及介质
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号