[发明专利]基于深度强化学习的C-RAN计算卸载和资源分配方法在审
| 申请号： | 201910862681.5 | 申请日： | 2019-09-12 |
| 公开（公告）号： | CN110557769A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 张军;靳晓岩 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | H04W24/02 | 分类号： | H04W24/02;G06N20/00 |
| 代理公司： | 32102 南京苏科专利代理有限责任公司 | 代理人： | 陈栋智 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了移动通信技术领域的一种基于深度强化学习的C‑RAN计算卸载和资源分配方法，包括以下步骤：1）首先构建深度强化学习神经网络，将其计算任务数据量大小和执行任务所需计算资源，2）将系统状态输入到深度强化学习模型中，进行神经网络训练，得到系统动作，3）用户按照卸载比例系数进行计算任务卸载，移动边缘计算服务器根据计算资源分配系数执行其计算任务，并根据奖赏函数得到该系统动作的奖赏值，根据奖赏值来进行神经网络参数的更新，4）重复上述步骤，直到奖赏值趋于稳定，完成训练过程，根据最后的系统动作进行用户计算任务卸载和MEC服务器计算资源分配，本发明可极大地降低用户服务时间和能量消耗，使得实时低能耗服务成为可能。 | ||
| 搜索关键词： | 强化学习 系统动作 奖赏 任务卸载 卸载 服务器计算资源 计算资源分配 神经网络参数 神经网络训练 移动通信技术 计算服务器 比例系数 计算资源 奖赏函数 能量消耗 任务数据 神经网络 系统状态 训练过程 用户服务 用户计算 资源分配 低能耗 构建 移动 重复 分配 更新 服务 | ||
【主权项】：
1.一种基于深度强化学习的C-RAN计算卸载和资源分配方法，其特征在于，包括以下步骤：/n步骤S1、构建C-RAN下的深度强化学习模型，制定计算任务，并将计算任务数据量大小和执行任务所需计算资源组合成系统状态；/n步骤S2、将系统状态输入到深度强化学习模型中，进行神经网络训练，得到系统动作，即卸载比例系数和计算资源分配系数；/n步骤S3、用户按照卸载比例系数进行计算任务的卸载和执行，MEC服务器根据计算资源分配系数执行其计算任务；并根据奖赏函数得到该系统动作的奖赏值，根据奖赏值大小来进行神经网络参数的更新；/n步骤S4、重复步骤S1-S3直到奖赏值趋于稳定，从而完成训练过程，根据最后的系统动作进行计算的卸载和资源分配。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910862681.5/，转载请声明来源钻瓜专利网。
