一种减少6G数字孪生边缘计算网络任务卸载延迟的方法

摘要

本发明公开了一种减少6G数字孪生边缘计算网络任务卸载延迟的方法。主要提出一种新的数字孪生边缘计算网络，使用数字孪生估计边缘服务器的状态以提供训练数据，并将用户移动过程中的一系列卸载决策的优化问题形式化，使用Lyapunov优化方法将长期迁移成本约束简化为一个多目标动态优化问题，最终使用基于Actor‑Critic的深度学习框架解决计算卸载优化问题，训练Agent由数字孪生边缘计算网络实现。本发明实现了在保持较低系统成本的前提下，最大限度降低卸载延迟、任务失败率和迁移率。