基于经验共享深度强化学习的无服务器边缘任务卸载方法

摘要

本发明公开了一种基于经验共享深度强化学习的无服务器边缘任务卸载方法；所述方法包括：对任务卸载性能优化问题进行建模，通过基于经验共享深度强化学习生成无服务器边缘任务卸载方法；本发明首先将在各个无服务器边缘计算环境下的任务卸载优化问题建模为马尔可夫决策过程，并采用改进的演员评判家Actor‑Critic框架的深度强化学习求解；然后，各环境通过位于云中心的回放缓存共享经验数据，以提高数据的多样性、样本效率，降低探索成本；最后引入了一种基于种群指导的策略搜索方法，加速深度强化学习(Deep Reinforcement Learning，DRL)智能体收敛且具有更低的探索成本。