电力物联网自适应任务卸载策略

摘要

针对电力物联网移动边缘计算中的资源分配不均、计算延迟长和能耗过大等问题，基于强化学习和卷积神经网络提出了一种动态资源分配策略，通过实时决策优化任务卸载，显著提升了计算能力和能效；结合资源的可用性、任务特性及网络状态等因素，制定资源动态分配机制，并将资源分配问题转化为动态优化问题；采用深度强化学习方法提出了一种自适应卸载算法，以求解资源分配的动态优化问题。仿真结果显示，提出的算法在任务完成率、资源利用率和系统适应性方面有较大提升。在高波动网络环境下，任务完成率提高了15%,资源利用率提升了10%。

关键词

电力物联网 / 边缘计算 / 深度学习 / 神经网络 / 资源分配