一种基于DRL与动态调度协同的边缘计算任务卸载方法

本发明涉及人工智能技术领域，提供了一种基于DRL与动态调度协同的边缘计算任务卸载方法，解决MEC环境中任务卸载决策与执行效率不匹配的问题。通过将任务卸载建模为马尔可夫决策过程，定义包含任务属性、传输速率及计算资源的状态空间，离散动作空间涵盖本地或边缘服务器执行，奖励函数基于时延与超时惩罚设计。采用集成长短期记忆网络的LSTM‑D3QN算法进行离线训练，提取时序特征并优化状态‑动作价值函数。引入时间感知动态优先级调度机制，根据任务剩余截止时间划分为紧急区、平衡区与等待区，分别采用剩余时间排序、动态权重优先级及FIFO变体策略。在线决策阶段，实时环境状态输入模型生成卸载动作，并按动态优先级调度任务执行。