公开(公告)号：CN116546021A

公开(公告)日：2023-08-04

申请号：CN202310686533.9

申请日：2023-06-12

Applicant: 重庆邮电大学

Inventor： 李云 ,  王碧 ,  夏士超 ,  姚枝秀 ,  高倩 ,  庄宏成

IPC: H04L67/10 ,  H04L67/1001 ,  H04L67/568 ,  H04W72/0446 ,  H04W72/50 ,  H04L41/14 ,  H04L41/142 ,  H04L41/16 ,  G06N20/20 ,  G06F9/445 ,  G06F9/50

Abstract: 本发明属于移动通信技术领域，具体涉及一种移动边缘计算中具有隐私保护的智能体策略学习方法，包括：建立边缘协同的计算卸载模型，包括服务缓存模型、任务卸载模型和系统成本模型；基于边缘协同的计算卸载模型，以最小化任务的处理成本为目标，建立联合任务卸载、服务缓存、算力资源分配和传输功率控制的优化问题；将最优问题抽象为部分可观测的马尔科夫决策过程；基于马尔科夫决策过程采用基于联邦学习方法的多智能体深度强化学习算法自主学习任务卸载、服务缓存、算力资源分配和传输功率控制策略。本发明通过建立了一个边云协同的计算卸载模型，智能体网络以基于联邦学习的训练的方式保护了用户的数据和敏感信息的隐私安全。