一种基于深度强化学习的跨区域计算卸载方法

    公开(公告)号:CN118075818A

    公开(公告)日:2024-05-24

    申请号:CN202410390914.7

    申请日:2024-04-02

    摘要: 本发明提供一种基于深度强化学习的跨区域计算卸载方法,涉及深度强化技术领域,本发明针对多区域多服务器多终端用户场景,建立了一个多区域的任务卸载模型,并提出了基于深度强化学习Dueling Double DQN的跨区域计算卸载方法。该方法引入D2D通信技术,通过附近终端用户辅助卸载的方法,扩大边缘服务器的服务范围,均衡各边缘服务器的负载情况,从而有效降低了系统的平均任务时延。首先围绕所提出的问题构建了综合的系统模型、网络模型及任务计算卸载模型,并对这些模型进行了详细的数量关系分析。然后将任务卸载决策定义为马尔可夫决策问题,以最小化平均任务时延为目标,提出了一种基于深度强化学习D3QN算法的跨区域任务卸载决策方法。

    一种基于WPT技术的混动矿卡低能耗调度方法

    公开(公告)号:CN118036987A

    公开(公告)日:2024-05-14

    申请号:CN202410235200.9

    申请日:2024-03-01

    摘要: 本发明提供一种基于WPT技术的混动矿卡低能耗调度方法,涉及无线电能传输技术领域。该方法首先设定混合动力矿卡的工作条件、工作模式及自身的车辆状态;然后构建矿卡优化调度模型的目标函数,以最小化整个矿区的能耗;并设定矿卡优化调度模型的约束条件,确保露天矿混动矿卡调度的可行性和效率;最后设计基于WPT技术的混动矿卡低能耗调度线性规划算法,求解矿卡优化调度模型,优化混动矿卡在露天矿的低能耗调度路径。该方法通过计算各路径之间的能耗来制定高效的运输和充电策略,为混动矿卡提供一种新的能量补给方式,降低对传统燃料的依赖,进一步降低能耗。