首页> 中国专利> 基于深度增强学习和凸优化的卸载决策及资源分配方法

基于深度增强学习和凸优化的卸载决策及资源分配方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于深度增强学习和凸优化的卸载决策及资源分配方法，在边缘计算服务器算力受限的情况下，为边缘计算系统提供卸载决策和资源分配策略，以追求最小化用户设备所消耗的能耗和处理任务所需时延的综合成本。本发明将卸载决策和资源分配这个高耦合的问题进行解耦，分为卸载接触和资源分配两个子问题，并分别使用强化学习和凸优化的方法进行解决。实验证明，本发明方法取得了很好的效果，可以在短时间内产生最优决策，且具有良好的扩展性。

著录项

公开/公告号CN111970154A

专利类型发明专利
公开/公告日2020-11-20

原文格式PDF
申请/专利权人浙江工商大学;
展开▼

申请/专利号CN202010857421.1
发明设计人宣志豪;魏贵义;陈钗君;
展开▼

申请日2020-08-24
分类号H04L12/24(20060101);H04L29/08(20060101);
代理机构33224 杭州天勤知识产权代理有限公司;
代理人王琛
地址 310018 浙江省杭州市下沙高教园区学正街18号
入库时间 2023-06-19 08:59:45

法律信息

法律状态公告日

法律状态信息

法律状态
2022-06-10

授权

发明专利权授予

相似文献

专利
中文文献
外文文献

1. 基于深度增强学习和凸优化的卸载决策及资源分配方法 [P] . 中国专利： CN111970154A . 2020-11-20
2. 一种基于深度增强学习的无线网络资源分配方法 [P] . 中国专利： CN109474980A . 2019-03-15
3. RESOURCE ALLOCATION METHOD BASED ON BARGAINING SOLUTIONS USING CONVEX OPTIMIZATION WITH LINEAR CONSTRAINTS [P] . 韩国专利： KR101829513B1 . 2018-02-19

机译：基于线性约束凸优化的讨价还价的资源分配方法
4. RESOURCE ALLOCATION METHOD BASED ON BARGAINING SOLUTION USING CONVEX OPTIMIZATION TECHNIQUE WITH LINEAR CONSTRAINT [P] . 韩国专利： KR20170076291A . 2017-07-04

机译：基于线性约束凸优化技术的议价解决方案资源分配方法
5. A TRUST REGION OPTIMIZATION BASED DEEP LEARNING-BASED RESOURCE ALLOCATION METHOD FOR 5G AND BEYOND NETWORK TOPOLOGIES [P] . WO2021137794A1 . 2021-07-08

机译：基于信任区域优化的基于深度学习的资源分配方法，用于5G及超出网络拓扑