基于边缘计算和深度强化学习的物联网服务卸载决策方法技术

本发明专利技术提供了基于边缘计算和深度强化学习的物联网服务卸载决策方法，属于物联网应用技术领域，这些物联网服务卸载决策方法将所述物联网架构为包含多个区域的SDIoT，所述区域包括配置有服务卸载决策模型的区域SDN控制器，所述区域SDN控制器根据其配置的服务卸载决策模型输出该区域内一个智能服务的服务卸载决策。本发明专利技术解决了传统IoT中固有的网络结构化问题，利用SDN技术网络控制平面和数据转发平面分离，获得全网集中视图和让网络安全性能得到保障，还获得了由可编程接口带来的强大的资源管控编排能力。

【技术实现步骤摘要】
基于边缘计算和深度强化学习的物联网服务卸载决策方法
本专利技术属于物联网应用
，尤其涉及一种结合边缘计算、SDN技术和深度强化学习算法的物联网服务卸载决策方法。
技术介绍
随着物联网(IoT)的快速发展以及各种新兴应用(如智能家居，智慧城市和智能交通)的不断涌现，用户对网络服务质量(QoS)的要求越来越高。云计算具有强大的计算能力，设备可以通过计算卸载，将计算任务传输到远端云服务器执行，从而达到缓解计算和存储限制、延长设备电池寿命的目的。然而，将计算任务卸载到云服务器不能满足时延敏感性服务的需求。为此，边缘计算应运而生，将计算任务传输到网络边缘的计算节点执行，无需经过核心网和数据中心，可实现本地业务本地化服务、降低能耗，满足业务低时延需求。IoT中的设备会产生大量的数据，这些数据包括多媒体信息，如视频、图像和声音，或结构化数据，如温度、振动和光通量信息。有许多成熟的技术用于处理结构化数据，然后自动控制物联网设备。传统的多媒体处理技术需要复杂的计算，不适用于物联网服务。而且对于设备的服务卸载，往往需要综合考虑设备是否具有移动性，节点本文档来自技高网...

【技术保护点】
1.一种基于边缘计算和深度强化学习的物联网服务卸载决策方法，其特征在于，将所述物联网架构为包含多个区域的SDIoT，每个所述区域均包括配置有服务卸载决策模型的区域SDN控制器，所述区域SDN控制器根据其配置的服务卸载决策模型输出该区域内一个智能服务

【技术特征摘要】
1.一种基于边缘计算和深度强化学习的物联网服务卸载决策方法，其特征在于，将所述物联网架构为包含多个区域的SDIoT，每个所述区域均包括配置有服务卸载决策模型的区域SDN控制器，所述区域SDN控制器根据其配置的服务卸载决策模型输出该区域内一个智能服务的服务卸载决策。


2.根据权利要求1所述的物联网服务卸载决策方法，其特征在于：所述服务卸载决策模型的服务卸载问题在于，求解一个智能服务的最小执行时延，并且在不超过卸载对象资源总量的情况下，分配卸载对象的计算资源，使所述物联网能够同时执行的智能服务数量达到最大。


3.根据权利要求2所述的物联网服务卸载决策方法，其特征在于：在服务卸载决策模型中采用深度加强学习算法对所述服务卸载问题求解。


4.根据权利要求3所述的物联网服务卸载决策方法，其特征在于：所述深度加强学习算法为关注最优策略和关注最优奖励总和的DDPG算法。


5.根据权利要求4所述的物联网服务卸载决策方法，其特征在于：所述DDPG算法设有经验池。


6.根据权利要求4所述的物联网服务卸载决策方法，其特征在于：所述DDPG算法的值函数设为表示代理在状态...

【专利技术属性】
技术研发人员：胡文建，苏汉，张益辉，赵会峰，何利平，李霞，孙玲，张颖，陈瑞华，郭家伟，马岩，杨宇皓，徐良燕，吴晓云，孙静，陈方，赵灿，王琳，王珂，王飞，杨阳，郭思炎，王代远，孙莹晖，张郁，张伟，吴涛，
申请(专利权)人：国家电网有限公司，国网河北省电力有限公司，国网河北省电力有限公司石家庄供电分公司，
类型：发明
国别省市：北京;11