本发明涉及一种考虑多资源限制的变周期移动边缘计算卸载决策方法,以及一个用于测试该方法的边缘计算仿真模型。仿真模型考虑了多种资源的限制,包括用户动设备本地算力和通信能力、边缘服务器算力、通信信道的限制;模型的诸多参数服从均匀分布随机生成。基于上述模型,结合深度确定策略梯度下降深度强化学习方法,设计了一种可行的变周期卸载决策方法,把任务失败比率、能耗、时延作为优化指标,同时进行计算卸载决策与信号传输通道和边缘服务器算力分配。本发明的主要优点在于所建立的模型环境因其随机性较大和考虑限制较多而贴合实际、变周期决策学习方法克服了任务等待决策时隙所耽误的时间。
声明:
“考虑多资源限制的变周期移动边缘计算卸载决策方法” 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)