本發明涉及一種基于多分類和分布式強化學習的卸載決策優化方法,包括:步驟1基于智能巡檢集群的邊緣系統模型獲取參數信息,并采集若干不同時間段產生的任務信息和距離信息,步驟2計算任務處理時延和能耗,步驟3構建多分類和分布式強化學習的神經網絡和設置網絡超參數,步驟4將步驟獲取的任務信息和距離信息輸入到神經網絡進行訓練,訓練包括候選卸載決策動作生成階段和資源分配階段。本發明的方法能夠更大概率更快速度獲得最佳卸載決策的優勢,降低系統卸載所需的時延和能耗的加權和,達到保證智能巡檢集群有效運行時間和保障監控功能的目的,實現最小化系統能耗和加權和的目的,同時普適性更好。
聲明:
“基于多分類和分布式強化學習的卸載決策優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)