一种基于多智能体架构强化学习的资源分配及卸载决策方法

授权

摘要

本发明涉及一种基于多智能体架构强化学习的资源分配及卸载决策方法，属于移动通信技术领域。该方法在考虑激励约束、能量约束、以及网络资源约束，联合优化无线资源分配、计算资源分配以及卸载决策，建立最大化系统总用户QoE的随机优化模型，并转化为MDP问题。其次，该方法将原MDP问题进行因式分解，并建立马尔科夫博弈模型。然后，该方法基于行动者‑评判家算法提出一种集中式训练、分布式执行机制。在集中式训练过程中，多智能体通过协作获取全局信息，实现资源分配及任务卸载决策策略优化，在训练过程结束后，各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。本发明可以有效提升用户QoE，并降低了时延及能耗。

基本信息

专利标题：

一种基于多智能体架构强化学习的资源分配及卸载决策方法

专利标题（英）：

暂无

公开（公告）号：

CN111586696A

申请号：

CN202010358378.4

公开（公告）日：

2020-08-25

申请日：

2020-04-29

授权号：

CN111586696B

授权日：

2022-04-01

发明人：

陈前斌谭颀贺兰钦唐伦刘占军

申请人：

重庆邮电大学

申请人地址：

重庆市南岸区黄桷垭崇文路2号

代理机构：

北京同恒源知识产权代理有限公司

代理人：

杨柳岸

优先权：

CN202010358378.4

主分类号：

H04W16/10

IPC分类号：

H04W16/10 H04W28/16 H04W72/04