公开(公告)号：CN116880923A

公开(公告)日：2023-10-13

申请号：CN202310887232.2

申请日：2023-07-19

Applicant: 吉林大学

Inventor： 石文孝 ,  石玮楠 ,  刘思呈 ,  张佳栋

IPC: G06F9/445 ,  G06F9/48 ,  G06F9/50 ,  G06F17/18 ,  G06N3/048 ,  G06N3/047 ,  G06N3/092 ,  G06N3/084

Abstract: 本发明提供了一种基于多智能体强化学习的动态任务卸载方法，包括如下步骤：步骤一、建立动态动态移动边缘计算网络模型；步骤二、建立本地计算模型和部分卸载计算模型；步骤三、构建以最小化卸载成本为目标的优化问题；步骤四、建立多智能体深度延时确定性策略梯度模型；步骤五、模型的训练以及优化问题的求解；本方法考虑了移动设备的时延和能耗，将动态卸载和资源分配问题被转化为最小化平均加权成本问题，所设计的模型采用中心化训练、分布式执行的架构，在任务卸载的约束条件下，通过探索和训练不断优化卸载策略，实现移动设备长期平均加权成本的最小化。