[发明专利]一种基于强化学习的边缘计算工作负载调度方法

权利要求书

1.一种基于强化学习的边缘计算工作负载调度方法，包括以下步骤：

从影响边缘计算工作负载调度众多因素中选定关键指标来表示状态属性；

对所有关键指标按照低、中和高三个等级的进行量化，并构建状态空间，保证每个状态的唯一性，根据每个状态来选择动作，即调度至某个服务器执行，这些动作构成动作空间，所述动作空间包括每个状态下所有可执行的动作；

构建奖惩函数，用于反映选定行为的执行效果；

将状态空间和动作空间整合形成Q值表，在每个调度选择动作决策的过程中，智能体使用e-greedy策略来选择动作，并且通过不断更新Q值表，从而更快地向最优方向收敛，加快收敛速度，使得其Q值不断朝着最优方向逼近。

2.根据权利要求1所述的一种基于强化学习的边缘计算工作负载调度方法，其特征在于：所述的关键指标包括当前本地服务器CPU利用率、当前CPU利用率最低的邻近边缘服务器、当前广域网带宽、当前城域网带宽、当前无线局域网带宽、完成当前任务所需的CPU指令数和当前任务的大小。

3.根据权利要求1所述的一种基于强化学习的边缘计算工作负载调度方法，其特征在于：由于反馈信息的延迟，采用整体滞后处理方法，即先记录任务状态，然后等收到反馈信息后再更新Q值表。

4.根据权利要求1所述的一种基于强化学习的边缘计算工作负载调度方法，其特征在于：在概率(1-e)情况下，从Q值表中选择最大Q值所对应的动作作为当前状态的预测到的最优策略；在随机小于e概率情况下，选择之前未选择的动作以探索更高的奖励。