公开(公告)号：CN114585006B

公开(公告)日：2024-03-19

申请号：CN202210257111.5

申请日：2022-03-16

Applicant: 东北大学

Inventor： 马连博 ,  陈怡丹 ,  王学毅 ,  杨晓东

IPC: H04W24/02 ,  H04W28/06 ,  H04W72/53 ,  H04W16/22 ,  H04W72/1263

Abstract: 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。

公开(公告)号：CN114585006A

公开(公告)日：2022-06-03

申请号：CN202210257111.5

申请日：2022-03-16

Applicant: 东北大学

Inventor： 马连博 ,  陈怡丹 ,  王学毅 ,  杨晓东

IPC: H04W24/02 ,  H04W28/06 ,  H04W72/04 ,  H04W72/08 ,  H04W72/12

Abstract: 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。