一种稳定性约束引导的基于深度强化学习的去中心化动态卸载方法

本发明涉及一种稳定性约束引导的基于深度强化学习的去中心化动态卸载方法。属于移动边缘计算领域，具体来说，本发明是在由一个边缘服务器和多个用户组成的边缘计算系统中，每个用户在任务列队受到稳定性约束的条件下基于深度强化学习算法根据与环境信息的交互独立的制定任务卸载策略，即卸载到边缘服务器的计算任务的比例。以解决任务密集型用户计算能力有限资源不足的问题。本发明通过引入用户任务列队稳定性约束后，再基于深度强化学习算法为用户制定最优的任务卸载决策，极大的减少了用户的计算成本。