本发明公开了一种基于联邦学习的微网群请求动态迁移调度方法及装置,包括:对包括微网群设备和边缘计算设备的微网群系统进行初始化;各个微网群设备利用深度强化学习方法并基于本地历史运行数据对本地学习模型进行训练,并将训练后的模型参数和本地训练次数发送边缘计算设备;边缘计算设备基于本地训练次数对接收到的模型参数进行聚合以更新请求评估模型,并将更新后的请求评估模型发送各微网群设备;微网群设备根据更新后的请求评估模型,在请求调度决策时以最大化长期效益期望为目标预测资源分配策略,资源分配策略包括请求迁移决策和资源单元数量决策。本发明可以在节省传输开销保证了数据隐私与安全的同时,也还确保了决策的准确高效。
声明:
“基于联邦学习的微网群请求动态迁移调度方法及装置” 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)