【技术实现步骤摘要】
本专利技术属于通信，尤其涉及一种稳定性约束引导的基于深度强化学习的去中心化动态卸载策略。
技术介绍
1、随着物联网的快速发展，越来越多的设备及传感器接入互联网，让它们能够通过网络互连，给我们的生活带来了极大的便利。与此同时，移动设备的增加催生出了多种多样的应用程序，随着数据量的不断增加，移动互联网业务呈爆炸式增长，为计算资源有限的终端带来沉重的计算负担。在这个背景下，许多设备需要实时响应，但物联网通常难以满足对实时和延迟敏感的设备的要求，这使得物联网带来的便利性面临着极大的威胁。
2、为了缓解移动计算能力的限制，移动边缘计算被认为是一种有前途的计算范式并且已经广泛应用。移动边缘计算被认为是b5g和6g网络的有前途的技术，其核心是将移动边缘计算服务器部署在无线接入网络的边缘(例如蜂窝基站)，使得边缘的服务器(例如基站)能够提供资源计算能力，方便移动用户将其计算工作量卸载到边缘计算服务器上，达到减少计算能源和时间成本的目的，进一步满足未来网络超高带宽和超低延迟的要求。
3、因此，本专利技术提出了一种稳定性约束引导的基...
【技术保护点】
1.一种稳定性约束引导的基于深度强化学习的去中心化动态卸载方法，定义了多用户的多输入多输出移动边缘计算系统，包括带有N个天线的基站、一台移动边缘计算服务器和一组单天线移动用户M＝{1,2,...,M}以及一些随机到来的独立的计算任务，每个用户的到达任务动态变化且互不干扰：其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的稳定性约束引导的基于深度强化学习的去中心化动态卸载方法，其特征在于：所述的建立任务卸载模型，定义每个用户都需要独立计算密集型任务，在系统中采用离散时间模型，将整个运行周期被划分为长度为τ0的连续时间帧，表示为T＝{0,1,...,...
【技术特征摘要】
1.一种稳定性约束引导的基于深度强化学习的去中心化动态卸载方法，定义了多用户的多输入多输出移动边缘计算系统，包括带有n个天线的基站、一台移动边缘计算服务器和一组单天线移动用户m＝{1,2,...,m}以及一些随机到来的独立的计算任务，每个用户的到达任务动态变化且互不干扰：其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的稳定性约束引导的基于深度强化学习的去中心化动态卸载方法，其特征在于：所述的建立任务卸载模型，定义每个用户都需要独立计算密集型任务，在系统中采用离散时间模型，将整个运行周期被划分为长度为τ0的连续时间帧，表示为t＝{0,1,...,t}，每个用户的特征状态表示为元组sm,t＝[bm(t),φm(t-1),hm(t)]，其中，bm(t)是用户，φm(t-1)是上一个时隙内用户与基站间的归一化信干噪比，hm(t)是用户用于上行链路传输的信号向量；
3.根据权利要求1所述的稳定性约束引导的基于深度强化学习的去中心化动态卸载方法，其特征在于：所述的对构建的系统模型进行训练，在ddpg等深...
【专利技术属性】
技术研发人员：章辉，王晶晶，李美锟，韩旭，于红德，
申请(专利权)人：南开大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。