本申请属于资源分配策略技术领域,特别是涉及一种边缘计算资源分配方法。关于如何有效分配边缘计算资源,移动边缘计算环境可以建模为马尔可夫决策过程,而该模型高度随机而且十分复杂。一种边缘计算资源分配方法,所述方法包括:1):定义边缘计算模型状态、动作和奖赏;2):分析、利用所述1)定义的状态、动作和奖赏,定义神经网络的结构和输入输出的结构;3):按照给定训练方法更新、训练所述2)定义的神经网络并应用。机器学习中的深度强化学习技术由于其对环境的强大感知能力与决策能力,十分适合应用在此模型,以求解回报最大化的问题。
声明:
“边缘计算资源分配方法” 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)