返回搜索
档案
基于深度强化学习的层级化边缘智能任务调度方法及装置
发明专利未知
10权利要求 · 4 独立
§ Ⅰ
卷宗概要
发明人
张锋辉; 王一鸣; 陈家俊; 李瑞霞; 董建军; 蔡翠翠; 孔书晨; 孙凯胜; 郭俊曦
申请日
Jul 21, 2026
公开日
Oct 27, 2026
IPC 分类
H04W 28/08 (2023.01)G06N 3/045 (2023.01)G06N 3/0895 (2023.01)G06N 3/092 (2023.01)
本发明涉及移动边缘计算与无人机通信技术领域,具体为基于深度强化学习的层级化边缘智能任务调度方法及装置,包括:构建由后端移动边缘计算服务器、无人机及机器人组成的层级化协同计算架构,在Actor网络中引入自注意力机制,在自监督机制方面,在Critic网络中设计辅助分支,利用系统瓶颈信息与最坏情况延迟性能等自监督信号指导策略学习,通过状态成本预测辅助任务提升特征泛化能力。在在线训练过程中,在策略网络优化中引入负载均衡约束与延迟惩罚项,结合双层动作空间设计实现本地计算与边缘计算资源的联合调度。本发明有效降低了动态环境下任务处理的平均时延与能耗,显著抑制了系统性能波动,提升了异构边缘计算环境下的长期运行稳定性与鲁棒性。
登录后阅读全文
已显示权利要求 1。免费注册即可阅读全部 10 项权利要求、说明书全文、全部附图、翻译和法律状态。
- 全部权利要求
- 技术领域
- 背景技术
- 发明内容
- 附图说明
- 具体实施方式