本發明屬于移動通信技術領域,涉及一種基于多智能體的資源分配和任務卸載優化方法;所述方法包括將異構網絡環境中的邊緣云服務器和能量收集使能的移動設備均視為可獨立決策的智能體單元,結合實際計算卸載場景,將邊緣云資源分配和移動設備任務卸載的收益構造出斯塔克爾伯格博弈模型,考慮到隨機時變的邊緣環境和不完備的狀態觀測,將斯塔克爾伯格博弈模型再次建模為部分可觀測馬爾可夫決策過程,并建立采用多智能體的深度強化學習算法求解部分可觀測馬爾可夫決策過程博弈模型,以學習最優的邊緣云資源協同分配策略和任務卸載策略。本發明能夠有效提高邊緣云服務器的任務計算成功率,并降低移動設備的任務丟棄率。
聲明:
“基于多智能體的資源分配和任務卸載優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)