本发明公开了一种基于深度强化学习的无小区大规模MIMO下移动边缘计算的分布式计算卸载方法,属于移动边缘计算领域,包括:设置CF‑MEC训练环境;基于CF‑MEC训练环境,使用M/M/1排队论模型生成计算任务;在每个用户设备上构建深度Q网络,利用计算任务对被分配到任务的用户设备上的深度Q网络进行训练,直至贪婪策略的概率趋近于1,训练结束得到训练后的深度Q网络;将待测数据输入训练后的深度Q网络中,使用户设备对边缘服务器进行独立计算卸载决策。该方法通过在每个用户设备上部署训练好的深度Q网络,用户可以自行根据网络中的相关信息进行卸载决策,从而尽可能降低自身运行计算密集型任务的时延,提高用户体验。
声明:
“基于深度强化学习的无小区大规模MIMO下移动边缘计算的分布式计算卸载方法” 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)