基于LSTM-DDPG的移动边缘计算任务卸载方法及装置制造方法及图纸

本发明专利技术公开了基于LSTM‑DDPG的移动边缘计算任务卸载方法及装置，建立包括边缘网络区域、区域对应的用户和计算任务的网络模型；基于用户本地计算执行任务的时延和能耗，及用户向边缘网络区域传输任务和边缘网络区域计算任务的时延和能耗，得到本地及边缘网络区域的计算成本；根据用户的移动性，计算用户将任务卸载到边缘网络区域计算后，边缘网络区域准备好计算结果时，用户仍然停留在原区域的概率；基于计算成本、用户仍然停留在原区域的概率等因素，计算用户在不同的卸载决策下的总成本；以最小化边缘网络区域内所有用户的长期平均成本为目标构建卸载策略；使用LSTM‑DDPG算法为多接入移动边缘计算系统下的用户做出卸载决策。

【技术实现步骤摘要】

本专利技术属于深度强化学习以及边缘计算任务卸载领域，具体涉及基于lstm-ddpg的移动边缘计算任务卸载方法及装置。

技术介绍

1、在5g和物联网技术高速发展的驱动下，大量时延敏感型和计算密集型的应用应运而生。然而，由于移动终端设备的不断增加，移动互联网的流量呈现指数级增长。传统的网络架构将所有任务集中在云端处理的做法，已无法缓解计算资源短缺的问题。

2、移动边缘计算的出现，为解决上述问题提供了新的技术路径。mec(multi-access/mobile edge computing，多接入移动边缘计算)这一新型的体系结构，将核心网络的计算能力分散至用户附近的边缘网络，使得移动终端可以将计算任务转移至边缘服务器。由于该方案的用户终端更靠近计算资源，与传统的云计算相比，不仅节省了云服务所需的高额成本，还显著降低了通信带来的时延和能耗。

3、然而，mec服务器的计算资源和存储容量通常是有限的，边缘侧的用户又由于自身的移动，可能会丢失与边缘服务器的连接，导致服务中断。因此，如何合理地分配计算资源，高效地做出计算卸载决策，以提高计算服务质量本文档来自技高网...

【技术保护点】

1.基于LSTM-DDPG的移动边缘计算任务卸载方法，其特征在于包括如下步骤：

2.根据权利要求1所述的基于LSTM-DDPG的移动边缘计算任务卸载方法，其特征在于：所述步骤S1具体包括如下步骤：

3.根据权利要求1所述的基于LSTM-DDPG的移动边缘计算任务卸载方法，其特征在于：所述步骤S2具体包括如下步骤：

4.根据权利要求1所述的基于LSTM-DDPG的移动边缘计算任务卸载方法，其特征在于：

5.根据权利要求1所述的基于LSTM-DDPG的移动边缘计算任务卸载方法，其特征在于：

6.根据权利要求1所述的基于LSTM-DD...

【技术特征摘要】

1.基于lstm-ddpg的移动边缘计算任务卸载方法，其特征在于包括如下步骤：

2.根据权利要求1所述的基于lstm-ddpg的移动边缘计算任务卸载方法，其特征在于：所述步骤s1具体包括如下步骤：

3.根据权利要求1所述的基于lstm-ddpg的移动边缘计算任务卸载方法，其特征在于：所述步骤s2具体包括如下步骤：

4.根据权利要求1所述的基于lstm-ddpg的移动边缘计算任务卸载方法，其特征在于：

5.根据权利要求1所述的基于lstm-...

【专利技术属性】
技术研发人员：叶杰锋，张国萍，谢满德，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：