本资源为基于深度强化学习和边缘计算的通信领域资源分配与任务卸载的研究,其中包含对应文章的PDF版本和用于仿真的基于pytorch编写的多智能体DRL算法代码。该代码基于Actor-Critic网络和DDPG算法,用于实现资源的优化分配和任务的卸载。此外,资源还包含大量数据集,可供多次调试和实测运行。
基于深度强化学习和边缘计算的通信领域资源分配与任务卸载
文件列表
基于pytorch编写的:基于深度强化学习的任务卸载与边缘计算,通信领域资源分配和多智能体DRL DDPG网络
(预估有个221文件)
.DS_Store
6KB
Utility_Optimization_for_Resource_Allocation_in_Multi-Access_Edge_Network_Slicing_A_Twin-Actor_Deep_Deterministic_Policy_Gradient_Approach.pdf
2.95MB
.DS_Store
6KB
dm.mov
2.9MB
Summary.png
165KB
DDPG_architecture.png
96KB
D3PG_Dirichlet_DDPG_for_Task_Partitioning_and_Offloading_With_Constrained_Hybrid_Action_Space_in_Mobile-Edge_Computing.pdf
1.9MB
rewards.png
39KB
variance.png
20KB
rewards.png
38KB
暂无评论