公开(公告)号：CN117519995B

公开(公告)日：2024-03-22

申请号：CN202410017465.1

申请日：2024-01-05

申请人： 中国人民解放军陆军指挥学院

发明人： 王鹤蒙 ,  沈建华 ,  王钦超 ,  薛海鹏 ,  叶玉丹 ,  抗万生

IPC分类号： G06F9/50 ,  G06N3/092 ,  G06N3/088 ,  G06N3/045 ,  H04W28/084 ,  H04W28/08 ,  H04W84/06

摘要： 本发明公开了一种星地网络移动边缘计算资源分配方法，包括获取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；基于系统模型，计算服务时延和系统开销；构建星地网络计算任务卸载的优化问题；基于优化问题，构建星地网络计算任务卸载的深度强化学习模型；采用QDQN算法，对深度强化学习模型进行训练，获取总回报值，重复该过程，直到收敛，执行训练好的深度强化学习模型，得出最终的计算任务分配策略。本发明有效地减少数据传输和任务计算所需的时间和资源，从而提高任务调度效率，同时降低了计算成本和通信开销。

公开(公告)号：CN117519995A

公开(公告)日：2024-02-06

申请号：CN202410017465.1

申请日：2024-01-05

申请人： 中国人民解放军陆军指挥学院

发明人： 王鹤蒙 ,  沈建华 ,  王钦超 ,  薛海鹏 ,  叶玉丹 ,  抗万生

IPC分类号： G06F9/50 ,  G06N3/092 ,  G06N3/088 ,  G06N3/045 ,  H04W28/084 ,  H04W28/08 ,  H04W84/06

摘要： 本发明公开了一种星地网络移动边缘计算资源分配方法，包括获取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；基于系统模型，计算服务时延和系统开销；构建星地网络计算任务卸载的优化问题；基于优化问题，构建星地网络计算任务卸载的深度强化学习模型；采用QDQN算法，对深度强化学习模型进行训练，获取总回报值，重复该过程，直到收敛，执行训练好的深度强化学习模型，得出最终的计算任务分配策略。本发明有效地减少数据传输和任务计算所需的时间和资源，从而提高任务调度效率，同时降低了计算成本和通信开销。