公开(公告)号：CN112101729A

公开(公告)日：2020-12-18

申请号：CN202010829544.4

申请日：2020-08-18

Applicant: 华南理工大学

Inventor： 林伟伟 ,  黄天晟 ,  许银海 ,  黄文俊

IPC: G06Q10/06 ,  G06Q50/06

Abstract: 本发明公开了一种基于深度双Q学习的移动边缘计算系统能源分配方法，包括以下步骤：将移动边缘计算系统的能源分配过程转化为马尔可夫决策过程，所述马尔可夫决策过程包括系统状态s、系统动作a、动作值函数Q(s,a)三个要素；通过基于深度双Q学习的能源分配算法，预测动作值函数的精确值，选择最大动作值函数所对应的动作，得到最优能源分配策略，完成移动边缘计算系统的能源分配。本发明将深度双Q学习(DDQN)应用于移动边缘计算系统的能源分配，通过深度双Q学习(DDQN)算法求解最优能源分配，实现边缘计算系统服务器的长期可持续计算的效益最大化。

公开(公告)号：CN112101729B

公开(公告)日：2023-07-21

申请号：CN202010829544.4

申请日：2020-08-18

Applicant: 华南理工大学

Inventor： 林伟伟 ,  黄天晟 ,  许银海 ,  黄文俊

IPC: G06Q10/0631 ,  G06Q50/06

Abstract: 本发明公开了一种基于深度双Q学习的移动边缘计算系统能源分配方法，包括以下步骤：将移动边缘计算系统的能源分配过程转化为马尔可夫决策过程，所述马尔可夫决策过程包括系统状态s、系统动作a、动作值函数Q(s,a)三个要素；通过基于深度双Q学习的能源分配算法，预测动作值函数的精确值，选择最大动作值函数所对应的动作，得到最优能源分配策略，完成移动边缘计算系统的能源分配。本发明将深度双Q学习(DDQN)应用于移动边缘计算系统的能源分配，通过深度双Q学习(DDQN)算法求解最优能源分配，实现边缘计算系统服务器的长期可持续计算的效益最大化。