龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：上海海事大学
申请日：2023-10-19
公开（公告）日：2024-06-21
公开（公告）号：CN118233922A
主分类号：H04W24/02
分类号：H04W24/02;H04W24/06;H04W28/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及一种基于深度强化学习的协作MEC网络服务缓存与资源分配联合优化方法。该包括以下步骤：S1、将MECMobileEdgeComputing，移动边缘计算网络服务缓存与资源分配联合优化问题建模为将目标函数成本最小化的优化问题；S2、将目标函数成本最小化的优化问题分解为服务缓存与工作负载卸载决策的底层决策问题和负载均衡决策的上层决策问题；S3、利用DQN1DeepQnetwork，DQN，深度Q网络网络求解所述底层决策问题，得到服务缓存与工作负载卸载决策；S4、基于服务缓存与工作负载卸载决策，通过DQN2网络求解所述上层决策问题，得到负载均衡决策，实现MEC网络服务缓存与资源分配联合优化。与现有技术相比，本发明具有实现更小的云负载比，执行更多的工作负载，实现计算资源的高效利用等优点。
主权项：1.一种基于深度强化学习的协作MEC网络服务缓存与资源分配联合优化方法，其特征在于，包括以下步骤：S1、将MEC网络服务缓存与资源分配联合优化问题建模为将目标函数成本最小化的优化问题；S2、将目标函数成本最小化的优化问题分解为服务缓存与工作负载卸载决策的底层决策问题和负载均衡决策的上层决策问题；S3、利用DQN1网络求解所述底层决策问题，得到服务缓存与工作负载卸载决策；S4、基于服务缓存与工作负载卸载决策，通过DQN2网络求解所述上层决策问题，得到负载均衡决策，实现MEC网络服务缓存与资源分配联合优化；其中，DQN1网络和DQN2网络的区别包括：两个DQN网络的状态state，动作action以及奖励reward的设置不同；DQN1的输出值将作为DQN2的输入值。
全文数据：
权利要求：
百度查询： 上海海事大学 一种基于深度强化学习的协作MEC网络服务缓存与资源分配联合优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号