超密集网络中基于深度强化学习的边缘计算任务卸载方法

摘要

本发明提出了一种超密集网络中基于深度强化学习的边缘计算任务卸载方法，步骤为：构建超密集网络边缘计算模型的在线计算卸载问题；将在线计算卸载问题描述为马尔科夫决策过程，转化为求解最优计算卸载控制策略的问题；初始化深度强化学习模型的当前网络和目标网络、经验池大小以及优先级；利用优先级采样的方式从经验池中选取样本来训练深度强化学习模型；获取当前时隙的系统状态，将系统状态输入至训练好的深度强化学习模型中，得到每个时隙的任务卸载决策。本发明基于马尔科夫决策过程提出的策略可以长期最小化任务处理时延和能耗，基于优先级采样的任务卸载策略可以在动态的网络环境中作出累计奖励更大的决策，获得更好的系统性能。