本發明公開了一種基于強化學習的可靠車載邊緣計算卸載方法,用于由于城市障礙物導致的路側單元(RSUs)覆蓋范圍有限,或者路側單元計算能力不足等場景中,車輛可以借助無人機(UAV)進行可靠的計算卸載。本發明所述方法將最大化系統效用和最小化功率消耗的多目標優化問題,轉化為功率分配問題和計算卸載問題兩個子問題,由無人機和路側單元共同完成任務的分配和計算。該方法通過為傳輸功率創建機會約束,使用Chebyshev不等式轉化機會約束,推導出最小傳輸功率,確保任務傳輸的可靠性。本發明通過改進的深度強化學習模型提高計算卸載效率,利用多目標優化問題的結果,調整深度強化學習模型中預測的目標Q值,實現邊緣服務器的離線訓練,在線更新。
聲明:
“基于強化學習的可靠車載邊緣計算卸載方法” 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)