一种基于D3DQN的边缘计算任务卸载方法

本发明涉及边缘计算与深度强化学习技术，具体涉及一种基于D3DQN的边缘计算任务卸载方法，以应对边缘计算任务卸载效率低，面对复杂环境适应性差的问题。本发明包括DQN神经网络、损失值计算、参数更新、动作选择决策、经验回放等步骤。采用D3DQN与优先级经验回放机制相结合的方法，将经验回放池中的样本根据批次和损失值进行排序后，重新抽样放入模型进行训练，并且加上权重噪声来避免模型过分依赖某些样本，从而提高模型的训练效率。