1. 研究目的与意义（文献综述包含参考文献）
1. 前言随着物联网和智能手机的发展，有着较强计算能力的设备和基站等共同组成了一个特殊的网络移动边缘网络。
移动边缘网络中的节点可以为数据处理贡献计算资源，因此移动边缘计算应运而生(Mobile edge computing, MEC)。
MEC是将数据的处理、分析与存储集中在网络边缘进行计算的方法[1]。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
对于计算资源有限的移动群智感知系统，并行任务调度一直是一个待解决的问题。
通常情况下，由于移动群智感知系统中计算、存储和网络资源是有限的，终端设备和边缘节点之间的网络环境、传输延迟是随机的，感知任务种类多、领域宽，不同用户所提供的数据质量差异较大，如何进行合理的并行任务调度，成为亟待解决的重要问题。
本课题研究基于多任务深度强化学习的并行任务调度算法，首先建立由智能手机、基站和边缘节点组成的移动边缘网络环境模型，所有计算节点分为三类：请求者、处理者和控制器，任务不断的到达控制器，控制器会同时为每个任务选择相应的处理者；然后让智能体以离散的时间步长不断与环境进行交互，在每个步骤 中，智能体从环境中获得当前状态 ，执行操作后，环境会将奖励返回给智能体，根据获得的奖励，智能体将调整任务调度策略；最后智能体将学会稳定的最佳任务调度策略，将训练好的智能体进行并行任务调度，完成多种感知任务，以实现移动群智感知。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
