一种基于深度强化学习的计算资源协同合作方法

摘要

本发明涉及一种基于深度强化学习的计算资源协同合作方法，属于边缘计算资源分配领域。该方法为：部署边缘服务器成蜂窝状于5G密集的区域；视每个边缘服务器为一个智能体，将记录一段时刻的计算资源状态和对应的动作一个样本；在每一个时刻t中从experience replay随机选择状态样本获得经验元组，然后将每一次的经验元组存放入experience replay中积攒经验；对Q值同时得到新的经验元组，进行经验元组的填充；对Q值迭代，带入target‑net和eval‑net两个网络进行训练，得到最优近似解的协作决策。本发明打破了状态样本之间的关联，使样本相互独立，提高了计算资源协同合作时的利用率。