摘要
本发明涉及一种面向星地融合网络的时延优化计算卸载策略,包括以下步骤:步骤1、构建星地融合网络系统模型,所述系统模型包括网络模型、星地链路通信模型、队列模型、本地设备计算模型、LEO卫星计算模型和地面云计算中心计算模型,并进行问题描述;步骤2、基于李雅普诺夫稳定性理论,将长期混合整数非线性规划优化问题解耦为各时隙的子优化问题;步骤3、先把各时隙计算卸载问题转化为马尔可夫决策过程,用深度强化学习算法求解;接着设计Actor模块的双策略网络模型结构以生成策略;最后用三元保序量化器探索更优卸载策略,加速模型收敛。本发明能够实现对终端与低轨卫星任务队列的动态调控,提升卸载过程的长期稳定性与计算资源的持续可用性。
技术关键词
卸载策略
融合网络系统
深度强化学习算法
混合整数非线性规划
通信资源分配
时延
星地链路
环境状态信息
LEO卫星
决策
计算中心
队列模型
动态噪声
终端设备
Softmax函数
策略网络模型
连续动作空间
系统为您推荐了相关专利信息
双源无轨电车
管控方法
线路
站点停靠时间
时刻表
通信网络图
光伏组件
分配通信时隙
节点
通信控制器
联合资源分配方法
资源分配策略
深度强化学习算法
无线网络
对齐方法
融合车载
多头注意力机制
动态优先级排序
决策方法
服务器
水下无人潜航器
导航方法
多波束声呐
障碍物
深度强化学习算法