公开(公告)号：CN114390057B

公开(公告)日：2024-04-05

申请号：CN202210038074.9

申请日：2022-01-13

Applicant: 南昌工程学院

Inventor： 韩龙哲 ,  敖晨晨 ,  赵嘉 ,  张翼英 ,  何业慎 ,  欧清海 ,  李胜 ,  梁琨 ,  刘柱 ,  武延年

IPC: H04L67/1001 ,  H04L47/12 ,  G06N20/00 ,  G06N7/01

Abstract: 本发明公开了一种MEC环境下基于强化学习的多接口自适应数据卸载方法，包括以下步骤：将多个用户设备、边缘基站、服务器数据传输策略构成的环境，建模为一个有限状态的马尔科夫决策模型；基于马尔科夫决策模型构建奖励函数，使用多智能体深度强化学习算法对神经网络进行训练，获得最优决策动作，确定数据卸载的传输方式。强化学习可以实现无模型的状态到动作的高维映射关系的自学习，发明中基于强化学习获得多接口自适应数据卸载方法，有效的缓解服务器端的压力，提升网络资源利用率，达到缓解网络拥堵、降低端到端时延以及减少数据卸载传输能耗的目标。

公开(公告)号：CN114390057A

公开(公告)日：2022-04-22

申请号：CN202210038074.9

申请日：2022-01-13

Applicant: 南昌工程学院

Inventor： 韩龙哲 ,  敖晨晨 ,  赵嘉 ,  张翼英 ,  何业慎 ,  欧清海 ,  李胜 ,  梁琨 ,  刘柱 ,  武延年

IPC: H04L67/1001 ,  H04L47/12 ,  G06N20/00 ,  G06N7/00

Abstract: 本发明公开了一种MEC环境下基于强化学习的多接口自适应数据卸载方法，包括以下步骤：将多个用户设备、边缘基站、服务器数据传输策略构成的环境，建模为一个有限状态的马尔科夫决策模型；基于马尔科夫决策模型构建奖励函数，使用多智能体深度强化学习算法对神经网络进行训练，获得最优决策动作，确定数据卸载的传输方式。强化学习可以实现无模型的状态到动作的高维映射关系的自学习，发明中基于强化学习获得多接口自适应数据卸载方法，有效的缓解服务器端的压力，提升网络资源利用率，达到缓解网络拥堵、降低端到端时延以及减少数据卸载传输能耗的目标。