本發(fā)明涉及一種基于深度強化學習的實時依賴型任務卸載方法,包括以下步驟:步驟S1:基于任務卸載的系統(tǒng)模型,在運行時環(huán)境中使用DQN算法訓練卸載操作Q值預測模型;步驟S2:卸載操作Q值預測模型,根據(jù)計算節(jié)點的計算能力、計算節(jié)點之間的傳輸速率以及應用的卸載方案,預測不同卸載操作的Q值,然后,通過比較它們對應的Q值來選擇合適的卸載操作;步驟S3:重復步驟S2,通過反饋迭代逐步為每個任務決定執(zhí)行位置。本發(fā)明能夠很好地適應不同的云邊緣環(huán)境,并高效地生成卸載方案。
聲明:
“基于深度強化學習的實時依賴型任務卸載方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)