本发明涉及一种基于深度强化学习的实时依赖型任务卸载方法，包括以下步骤：步骤S1:基于任务卸载的系统模型，在运行时环境中使用DQN算法训练卸载操作Q值预测模型；步骤S2:卸载操作Q值预测模型，根据计算节点的计算能力、计算节点之间的传输速率以及应用的卸载方案，预测不同卸载操作的Q值，然后，通过比较它们对应的Q值来选择合适的卸载操作；步骤S3:重复步骤S2，通过反馈迭代逐步为每个任务决定执行位置。本发明能够很好地适应不同的云边缘环境，并高效地生成卸载方案。
声明：
“基于深度强化学习的实时依赖型任务卸载方法” 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)
958
编辑：管理员
来源：北方有色网
咨询细节
