边云架构下基于深度强化学习的多目标优化卸载策略(边缘计算、大数据、机器学习)
本发明涉及一种边云架构下基于深度强化学习的多目标优化卸载策略,用于解决现有技术所存在的终端设备计算能力有限的问题,进而提高系统整体处理任务的效率。首先确定边云架构,然后根据边云架构建立系统模型、通信模型和计算模型;进一步建立联合优化模型。根据联合优化模型,结合深度强化学习算法的优点,采用深度确定性策略梯度DDPG算法求解最优的卸载策略,其中,DDPG算法的使用需要根据系统模型、计算模型和联合优化模型构建一个深度强化学习模型,模型包括四个部分,状态单元,动作单元,奖惩制和Q值函数。DDPG算法在优化深度强化学习模型得到最优卸载策略的同时,减少了系统执行任务的整体开销。
《边云架构下基于深度强化学习的多目标优化卸载策略(边缘计算、大数据、机器学习)》是一发明专利,专利号为 2021109473458,当前法律状态为已下证,由北京工业大学提出申请,发明人为方娟;张梦媛;史佳眉;叶志远,申请日期为2021-08-18,公开(公告)日期为2023-12-15,国际专利分类号(IPC)为 G06F 9/445 (2018.01),高新资质:未报高企,所属技术领域包括:物联网、互联网、应用程序、云计算、边缘计算、人脸识别、图像识别、人工智能、信息科技、大数据/AI。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及一种边云架构下基于深度强化学习的多目标优化卸载策略,用于解决现有技术所存在的终端设备计算能力有限的问题,进而提高系统整体处理任务的效率。首先确定边云架构,然后根据边云架构建立系统模型、通信模型和计算模型;进一步建立联合优化模型。根据联合优化模型,结合深度强化学习算法的优点,采用深度确定性策略梯度DDPG算法求解最优的卸载策略,其中,DDPG算法的使用需要根据系统模型、计算模型和联合优化模型构建一个深度强化学习模型,模型包括四个部分,状态单元,动作单元,奖惩制和Q值函数。DDPG算法在优化深度强化学习模型得到最优卸载策略的同时,减少了系统执行任务的整体开销。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
