公开(公告)号：CN113568727B

公开(公告)日：2024-05-10

申请号：CN202110835323.2

申请日：2021-07-23

Applicant: 湖北工业大学

Inventor： 赵楠 ,  季英强 ,  白茂森 ,  曾春艳 ,  刘聪 ,  胡胜 ,  王娟

IPC: G06F9/48 ,  G06F9/50 ,  G06N20/00

Abstract: 本发明提供了一种基于深度强化学习的移动边缘计算任务分配方法，旨在将深度强化学习策略引入到移动边缘计算任务分配，以期实现移动边缘计算任务的智能分配。首先，考虑到用户设备的计算能力和能量容量有限，本专利提出多边缘云协作移动边缘计算系统模型。其次，通过联合设计多边缘云的计算任务分配和计算资源管理，建立延迟和能量消耗的总和最小化的任务分配优化问题模型。再次，为了解决上述非凸优化任务分配问题，将移动边缘计算任务分配问题建模为马尔可夫决策过程。最后，针对上述马尔可夫决策过程中高维连续动作空间特点，提出双延迟深度确定性策略梯度算法，以获得多边缘云的计算任务分配和计算资源管理的近似最优联合策略。

公开(公告)号：CN113568727A

公开(公告)日：2021-10-29

申请号：CN202110835323.2

申请日：2021-07-23

Applicant: 湖北工业大学

Inventor： 赵楠 ,  季英强 ,  白茂森 ,  曾春艳 ,  刘聪 ,  胡胜 ,  王娟

IPC: G06F9/48 ,  G06F9/50 ,  G06N20/00

Abstract: 本发明提供了一种基于深度强化学习的移动边缘计算任务分配方法，旨在将深度强化学习策略引入到移动边缘计算任务分配，以期实现移动边缘计算任务的智能分配。首先，考虑到用户设备的计算能力和能量容量有限，本专利提出多边缘云协作移动边缘计算系统模型。其次，通过联合设计多边缘云的计算任务分配和计算资源管理，建立延迟和能量消耗的总和最小化的任务分配优化问题模型。再次，为了解决上述非凸优化任务分配问题，将移动边缘计算任务分配问题建模为马尔可夫决策过程。最后，针对上述马尔可夫决策过程中高维连续动作空间特点，提出双延迟深度确定性策略梯度算法，以获得多边缘云的计算任务分配和计算资源管理的近似最优联合策略。