移动边缘计算环境下基于DRL的能耗感知任务卸载方法

摘要

本发明公开移动边缘计算环境下基于DRL的能耗感知任务卸载方法。本发明设计多eNB MEC环境下任务卸载问题的状态空间、行动空间和奖励函数。采用actor‑critic框架作为整个DRL‑E2D算法的基础结构，即主要包含actor和critic两个神经网络。同时将MD在环境下所观察到的状态作为actor输入，将actor输出的动作和状态作为critic网络输入。本发明结合强化深度学习相关知识并将截止时间约束考虑到奖励函数中，使得MD可以根据系统状态在限定任务期限的情况下做出能将其任务卸载给多个eNB的最优决策。