一种基于改进PPO的边缘计算风险感知自适应任务卸载方法

本发明提供一种基于改进PPO的边缘计算风险感知自适应任务卸载方法，旨在解决物联网系统在动态任务激增和高丢弃率场景下面临的实时性和可靠性挑战。该方法通过构建多维状态表征空间，集成了物联网设备计算队列、传输延迟、边缘节点负载与历史任务处理时延等多维信息；利用长短期记忆网络(LSTM)捕捉时序依赖性，并通过注意力机制优化边缘节点选择；同时引入动态丢弃风险感知机制，根据系统实时丢弃表现自适应调整丢弃惩罚；结合优先经验回放(PER)和课程学习策略，进一步提升模型的鲁棒性和泛化能力。基于上述框架，通过改进的近端策略优化(PPO)算法训练智能体，以联合最小化系统平均任务延迟并降低任务丢弃率。本发明与现有技术相比，在高负载场景下能显著降低任务丢失率和平均时延，提高系统整体性能和策略的自适应性与泛化能力，并提升训练稳定性和效率，适合高动态、多设备协同卸载的边缘计算场景。