【技术实现步骤摘要】
本专利技术属于无线通信，具体涉及一种基于图神经网络和强化学习的移动边缘多任务卸载协作计算方法及系统。
技术介绍
1、随着物联网和通信技术的发展，移动边缘计算成为了移动设备处理复杂计算任务的有效解决方案。移动设备可以将难以计算的任务通过无线信道卸载到附近的边缘节点进行计算，从而实现低时延、低能耗的计算。
2、在未来移动边缘计算系统中，将大规模任务卸载到单个边缘节点难以实现实时计算。在此背景下，将多个任务卸载到多个边缘节点进行协作计算成为了有效的解决方案。然而，当任务之间存在复杂依赖关系时，这种卸载方法需要解决任务到节点间的分配问题(即决定将何任务分配到何节点的问题)和节点的通信计算资源分配问题。尤其是在任务或者边缘节点数量较多时，进行任务和资源分配面临着指数级复杂度的挑战。因此需要设计一种高效的多任务卸载和协作计算方法，从而满足未来移动通信服务的需求。
技术实现思路
1、面向未来移动边缘计算网络中多任务的卸载和协作计算场景，为了解决上述问题，本专利技术旨在提供一种图神经网络辅助强...
【技术保护点】
1.一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，所述步骤1中的移动边缘多任务卸载协作场景包括：
3.根据权利要求1所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，步骤S1包含以下几个子步骤：
4.根据权利要求3所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，所述步骤S13中子任务信息包括：子任务任务计算负载Ck，子任务计算结果大小Rk，该子任务的所有前序任务索引Prek，后继任务索引Suck...
【技术特征摘要】
1.一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，所述步骤1中的移动边缘多任务卸载协作场景包括：
3.根据权利要求1所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，步骤s1包含以下几个子步骤：
4.根据权利要求3所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，所述步骤s13中子任务信息包括：子任务任务计算负载ck，子任务计算结果大小rk，该子任务的所有前序任务索引prek，后继任务索引suck，以及该子任务及前序任务当前被分配到的图节点索引nodesk，其中k为子任务索引。
5.根据权利要求4所述的一种图神经网络辅助强化学习的边缘计算卸载方法，其特征在于，...
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。