多终端异构数据场景下的MEC联合计算性能提升方法

本发明公开了多终端异构数据场景下的MEC联合计算性能提升方法，涉及多终端异构的MEC联合性能技术领域，包括以下步骤：设计MEC异构数据系统模型，记录同构多终端设备运行数据，依据Pareto原理，划分边缘设备可用本地样本数据集，利用强化学习、马尔科夫决策和随机森林算法，构建基于马尔科夫决策的强化学习模型，通过基于马尔科夫决策的强化学习模型，结合Q‑learning算法、函数逼近器和神经网络算法，构建深度强化模型，本发明借助强化学习、马尔科夫决策、随机森林算法、Q‑learning算法、函数逼近器和神经网络算法，构建基于马尔科夫决策的强化学习模型和深度强化模型，显著增强了多终端异构的MEC联合计算性能提升过程中的智能化程度。