公开(公告)号：CN117812078A

公开(公告)日：2024-04-02

申请号：CN202311850206.9

申请日：2023-12-29

Applicant: 重庆邮电大学

Inventor： 黄宏程 ,  罗倩 ,  胡敏

IPC: H04L67/10 ,  G06F9/445 ,  G06N5/01 ,  H04L41/16

Abstract: 本发明涉及一种基于图强化学习的DT边缘网络任务卸载方法，属于移动边缘计算技术领域。该所述方法包括如下步骤：S1、基于数字孪生技术构建MEC网络系统模型；S2、根据MEC网络系统模型的动态和去中心化环境，将任务卸载问题转化为去中心化的部分可观察马尔科夫决策过程；S3、结合图纸里网络与多智能体强化学习算法提出GATMARL算法以解决部分可观察马尔科夫决策过程问题，从而获得边缘网络任务协作卸载策略。本发明采用基于图注意力的价值分解网络来帮助BS代理将更多注意力分配给其他BS的价值信息，以学习更好的协作卸载策略，以最大化所有UE的QoE效用。

公开(公告)号：CN117806730A

公开(公告)日：2024-04-02

申请号：CN202311850250.X

申请日：2023-12-29

Applicant: 重庆邮电大学

Inventor： 黄宏程 ,  罗倩 ,  胡敏

IPC: G06F9/445 ,  H04W28/084 ,  G06F30/20 ,  G06N7/01 ,  G06F9/50 ,  G06F111/18

Abstract: 本发明涉及一种面向MEC的依赖任务卸载方法，属于移动边缘计算技术领域。该方法包括如下步骤：S1、基于数字孪生技术构建构建MEC网络架构，其中，所述MEC网络架构包括通信模型和计算模型；S2、根据所述MEC网络架构将在依赖关系约束下的任务分配策略问题转化为混合整数非线性规划问题，并进一步将依赖任务卸载问题优化为马尔可夫决策过程；S3、通过A3C算法对所述混合整数非线性规划问题和马尔可夫决策过程进行求解，以获取依赖任务卸载的最优资源分配策略。本发明通过解决依赖感知任务的边缘协作卸载问题来最小化系统的能耗。