一种基于块式深度循环Actor-Critic算法的移动边缘服务迁移系统

一种基于块式深度循环Actor‑Critic算法的移动边缘服务迁移系统，以用户为中心，将服务迁移问题建模为部分可观测马尔科夫决策过程，基于深度强化学习（DRL）利用局部的系统状态信息实现实时迁移决策。本发明将服务迁移问题建模为一个离散时间的部分可观测马尔可夫决策过程，并提出了基于块式深度循环演员‑批评家的服务迁移方法，旨在保证服务的质量，降低延迟。本发明通过联合使用自注意力机制和循环神经网络进行策略优化，并设计了一种长短期记忆和嵌入矩阵相结合的编码器网络，从采样历史中提取隐藏信息，实现了端到端强化学习，快速学习最优的迁移策略。本发明有效的保证服务质量并降低了总延迟。