龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种将博弈模型和强化学习结合的计算卸载方法，包括以下步骤：将基站与移动设备之间的连接关系构成MEC结构图，使用图神经网络对图节点进行特征学习；将学习后的特征信息分别输入到深度强化学习和博弈模型中，随后将他们的输出结果存储到经验回放池；最后将输出结果进行比较，选取最大奖励值的卸载动作作为最优卸载结果。该方法引入Stackelberg博弈，将基站作为领导者，移动设备作为追随者。基站获得服务范围内所有设备信息后会计算出资源定价，设备根据价格来决定卸载策略。通过大量训练，使得模型能够泛化到新的环境，并且能够对环境的局部变化做出灵活的调整。
主权项：1.一种将博弈模型和强化学习结合的计算卸载方法，其特征在于，包括以下步骤：S1、将基站与移动设备之间的连接关系构成MEC结构图，将MEC结构图输入到特征学习模块，将节点的原始特征转化成向量表示，然后将MEC结构图输入到图神经网络模型中进行采样聚合，最后将聚合后的信息输入到多层感知机中得到当前环境的状态信息；S2、将环境状态信息分别输入到深度强化学习和博弈模型中得到卸载结果，将结果存储到经验回放池；S3、利用历史经验来训练多智能体强化学习模型，然后智能体使用训练后的模型进行决策，最后与博弈模型中的纳什均衡结果进行比较，选取最优结果。
全文数据：
权利要求：
百度查询： 云南省交通投资建设集团有限公司 一种将博弈模型和强化学习结合的计算卸载方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号