申请/专利权人：南昌工程学院

申请日：2022-01-13

公开（公告）日：2024-04-05

公开（公告）号：CN114390057B

主分类号：H04L67/1001

分类号：H04L67/1001;H04L47/12;G06N20/00;G06N7/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.05.10#实质审查的生效;2022.04.22#公开

摘要：本发明公开了一种MEC环境下基于强化学习的多接口自适应数据卸载方法，包括以下步骤：将多个用户设备、边缘基站、服务器数据传输策略构成的环境，建模为一个有限状态的马尔科夫决策模型；基于马尔科夫决策模型构建奖励函数，使用多智能体深度强化学习算法对神经网络进行训练，获得最优决策动作，确定数据卸载的传输方式。强化学习可以实现无模型的状态到动作的高维映射关系的自学习，发明中基于强化学习获得多接口自适应数据卸载方法，有效的缓解服务器端的压力，提升网络资源利用率，达到缓解网络拥堵、降低端到端时延以及减少数据卸载传输能耗的目标。

主权项：1.一种MEC环境下基于强化学习的多接口自适应数据卸载方法，其特征在于，包括以下步骤：将多个用户设备、边缘基站和服务器之间的数据传输策略构成的环境建模为一个有限状态的马尔科夫决策模型；用户设备同时接入多个网络接口；根据优化目标和网络信息确定当前系统状态；根据奖励函数对所述马尔科夫决策模型的神经网络进行训练；基于多智能体深度强化学习算法对当前系统状态下的马尔科夫决策模型进行求解；选择使得奖励函数期望值最小的动作作为最优决策动作，确定数据卸载的传输方式；所述马尔科夫决策模型包括状态函数和动作函数；状态函数表示如下：s＝{Rbsi，Rmdi，Bi，Ti}；其中，rbsi∈Rbsi表示边缘基站i的可用资源；rmdi∈Rmdi表示用户设备i的可用资源；表示用户设备i需要卸载的数据量大小，其中，B为总数据大小；Ti表示智能体i需要将数据Bi传输完的时间约束，超过时间约束，数据将会失效；动作函数表示如下：a＝{idle，WiFi，4G，5G}；上式表示智能体可以选择的动作，用户设备在每个决策阶段的动作a是选择通过WiFi或4G或5G网络传输模式进行数据传输，或者是保持空闲状态idle。

全文数据：

权利要求：

百度查询： 南昌工程学院 MEC环境下基于强化学习的多接口自适应数据卸载方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD