本发明公开了一种基于深度强化学习的边缘视频目标检测任务卸载方法及系统,本发明方法包括如下步骤:S1,建立多终端设备单MEC服务器的系统模型;S2,建立处理视频任务的时延模型;S3,建立处理视频任务的能耗模型;S4,建立优化目标为最小化MEC系统任务处理时延与能耗加权成本的问题模型;S5,设计基于深度强化学习的视频任务卸载策略;S6,初始化网络权重、经验回放池、MEC系统各队列状态;S7,终端设备根据卸载策略执行卸载决策并与环境交互;S8,抽取经验样本更新网络权重;S9,重复上述步骤S7、S8,直至奖励曲线收敛。本发明使终端设备根据环境状态输出最优卸载决策,达到最小的系统成本。
声明:
“基于DRL的边缘视频目标检测任务卸载方法及系统” 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)