一种基于HDQN的依赖任务卸载与服务放置方法

在边缘计算研究领域中任务卸载与服务放置是减少任务完成时延的两项关键技术，但是现有研究通常将任务卸载决策与服务放置决策分开进行优化，这种做法在一定程度上简化了问题，但忽视了两者之间的紧密关系和相互影响。为了应对这一挑战，本发明提出了一种联合优化方案，针对复杂场景中任务依赖与服务部署的双重约束，提出了一种层次化深度强化学习（HDQN）架构，将联合优化问题解耦为两个决策层级，上层通过服务放置优化进行资源配置，下层基于动态环境进行实时任务调度。通过这种分层机制，有效协调任务卸载与资源约束，自适应地应对边缘计算环境的动态变化。实验结果表明，该方法在减少任务完成时间方面具有优秀的性能表现。