发明公开
- 专利标题: 一种基于DDQN的云边协同的任务卸载方法及系统
-
申请号: CN202311727159.9申请日: 2023-12-15
-
公开(公告)号: CN117880894A公开(公告)日: 2024-04-12
- 发明人: 李桐 , 徐长斌 , 黄文思 , 杨超 , 李军 , 孙峰 , 王斯诺 , 赵拴宝 , 范亚娜 , 李媛 , 刘扬 , 陈得丰 , 耿洪碧 , 任帅 , 陈剑 , 杨舒钧 , 刘芮彤
- 申请人: 国网辽宁省电力有限公司电力科学研究院 , 国网信息通信产业集团有限公司 , 国家电网有限公司
- 申请人地址: 辽宁省沈阳市和平区四平街39-7号; ;
- 专利权人: 国网辽宁省电力有限公司电力科学研究院,国网信息通信产业集团有限公司,国家电网有限公司
- 当前专利权人: 国网辽宁省电力有限公司电力科学研究院,国网信息通信产业集团有限公司,国家电网有限公司
- 当前专利权人地址: 辽宁省沈阳市和平区四平街39-7号; ;
- 代理机构: 北京安博达知识产权代理有限公司
- 代理商 徐国文
- 主分类号: H04W28/082
- IPC分类号: H04W28/082 ; H04L41/14 ; H04W72/53 ; H04W72/0446 ; G06N3/08
摘要:
本发明提供了一种基于DDQN的云边协同的任务卸载方法及系统,包括:基于配电网中计算单元、各计算单元的参数信息以及任务卸载策略构建云边协同的任务资源管理模型;基于所述任务资源管理模型中终端的任务、平均开销、计算单元的计算量以及任务卸载策略,将任务卸载策略的优化过程转化为马尔科夫决策过程;采用DDQN算法对马尔科夫决策过程求解得到最优任务卸载网络模型,利用最优任务卸载网络模型生成任务卸载方法;本申请采用DDQN算法对马尔科夫决策过程求解,即利用深度神经网络对网络模型进行训练,具有较强的适应能力和学习能力,便于求解最优的任务卸载网络模型。