一种基于数字孪生动态更新的计算卸载方案

本发明提供了一种基于数字孪生动态更新的计算卸载方案，属于移动边缘计算领域。该方法包括获取当前时隙的移动设备、任务及基站的状态信息；建立通信模型、任务计算模型与能耗模型；建立融合了数字孪生精准度、任务延迟和系统能耗的综合性指标函数；并将时间连续的综合性指标函数进行求和，作为长期动态优化问题。为求解该问题，本发明进一步提出一种分层混合策略深度强化学习框架，该框架结合了策略与非策略学习机制，从而联合优化了计算卸载决策、资源分配策略及数字孪生模型的更新过程。本发明旨在提升数字孪生体的精度，同时显著降低任务延迟和系统能耗，并因其计算复杂度低、决策响应快的优势，可支撑智慧城市等高动态性场景下的策略生成。