混合動作空間下的多設(shè)備邊緣計算卸載方法

摘要： 為降低多設(shè)備多邊緣服務(wù)器場景中設(shè)備層級的總成本，并解決現(xiàn)有深度強化學(xué)習(xí)（deep reinforcement learning,DRL）只支持單一動作空間的算法局限性，提出基于混合決策的多智能體深度確定性策略梯度方法（hybrid-based multi-agent deep determination policy gradient,H-MADDPG）。首先考慮物聯(lián)網(wǎng)設(shè)備/服... （共10頁）