Indexed by：
Abstract：
本发明公开一种基于机器学习的随机任务迁移方法，通过将单个任务划分为N个与设备无关的可迁移组件和2个设备相关的不可迁移组件，使用马尔科夫决策过程对系统建模，利用强化学习中Q学习算法产生确定任务组件的最优迁移策略，并将任务组件数据和最优策略记录，作为训练样本，以此训练深度神经网络，随着训练样本的不断增加，神经网络学习到的能力也会越强；在神经网络准确率达到一定程度时，可以仅经过一次前向传播就能够得到随机任务的近似最优迁移策略。本发明提出的方法很好的解决了设备相关与设备无关任务随机到达时最优迁移策略的生成问题，同时可以实现在线学习。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明授权
Patent No.： CN201910050825.7
Filing Date： 2019-01-20
Publication Date： 2023-04-18
Pub. No.： CN109753751B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
