申请/专利权人:河海大学
申请日:2022-11-15
公开(公告)日:2024-05-17
公开(公告)号:CN118055078A
主分类号:H04L47/80
分类号:H04L47/80;H04L47/78;G06N3/092
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明公开了一种基于多目标优化的数字孪生边缘资源分配算法,通过利用边缘计算技术在应对数字孪生模型渲染和嵌入模型的全景视频流传输挑战方面的优势、深度强化学习DRL适用于解决复杂问题的特性以及多目标优化算法对多个冲突目标的协同优化能力,同时对内容传输性能和用户体验质量进行了优化。本发明充分考虑了网络传输信道的振荡性、共享边缘资源的有限性以及面向多用户的长期收益,对传输过程中的端到端时延以及用户端接收内容质量两个互相冲突的目标进行联合优化,合理分配了带宽资源、边缘渲染资源以及场景内容码率,使得用户获得低时延、高质量的虚拟生产生活体验。
主权项:1.一种基于多目标优化的数字孪生边缘资源分配算法,其特征在于,使用深度强化学习方法在多目标优化框架下解决边缘资源优化分配问题,包括如下步骤:1初始化基于边缘数字孪生的内容渲染与传输的系统环境;2初始化DDPG算法包含的Actor当前网络θμ和Actor目标网络θμ′、Critic当前网络θQ和Critic目标网络θQ′的参数,清空经验回放池3用户发送请求或操作指令,边缘服务器接收并处理信息和指令,DRL智能体从系统环境中观察状态st并预处理为状态特征φst,将其输入Actor当前网络,得到对应的动作4DRL智能体执行动作at,进行相应的带宽资源、渲染资源和码率分配,得到反馈奖励Rst,at,观察新的状态st+1并预处理为状态特征φst+1;5系统构造{φst,at,Rst,at,φst+1}的转换关系,并将其存储到经验回放池中;6更新状态st←st+1;7DRL智能体从经验回放池中采样m个样本,计算目标Q值,分别更新Actor当前网络和Critic当前网络参数;8每隔C步对目标网络参数进行软更新。
全文数据:
权利要求:
百度查询: 河海大学 一种基于多目标优化的数字孪生边缘资源分配算法
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。