本发明涉及一种基于多分类和分布式强化学习的卸载决策优化方法，包括：步骤1基于智能巡检集群的边缘系统模型获取参数信息，并采集若干不同时间段产生的任务信息和距离信息，步骤2计算任务处理时延和能耗，步骤3构建多分类和分布式强化学习的神经网络和设置网络超参数，步骤4将步骤获取的任务信息和距离信息输入到神经网络进行训练，训练包括候选卸载决策动作生成阶段和资源分配阶段。本发明的方法能够更大概率更快速度获得最佳卸载决策的优势，降低系统卸载所需的时延和能耗的加权和，达到保证智能巡检集群有效运行时间和保障监控功能的目的，实现最小化系统能耗和加权和的目的，同时普适性更好。
声明：
“基于多分类和分布式强化学习的卸载决策优化方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1235
编辑：管理员
来源：北方有色网
咨询细节
