一种基于强化学习的分布式混合专家网络分配方法

本发明公开了一种基于强化学习的分布式混合专家网络分配方法，包括以下步骤：步骤S1.构建分布式混合专家网络分配系统的模型：步骤S2.对于每个专家进行无线丢包建模与缓冲区动态建模；步骤S3.使用基于强化学习的门控机制，进行任务分配和专家选择的过程建模和优化。本发明能够根据信道条件、专家的缓冲区状态及任务需求动态调整专家选择，通过引入信道状态信息（如信噪比、衰落等），使得门控网络在不同信道条件下选择最合适的专家，从而提高系统的计算效率和性能。