基于混合深度强化学习的云制造云边协同联合卸载策略

来源：计算机应用研究杂志2025年第6期北京时间：

作者：张亚茹,郭银章,

单位：太原科技大学计算机科学与技术学院,太原030024；

摘要：针对基于云边协同的云制造环境下制造资源实时感知数据难以及时处理的问题，考虑边缘端有限的计算资源、动态变化的网络状态以及任务负载等不确定性因素，给出一种基于混合深度强化学习（mixed-based deep reinforcement learning，M-DRL）的云边协同联合卸载策略。首先，融合云端的离散模型卸载与边缘端的连续任务卸载建立联合卸载模型；其次，将一段连续时隙内综合时延与能耗总成本为目标的卸载优化问题形式化地定义为马尔可夫决策过程（MDP）；最后，使用DDPG与DQN的集成探索策略、在网络架构中引入长短期记忆网络（LSTM）的M-DRL算法求解该优化问题。仿真结果表明，M-DRL与已有一些卸载算法相比具有良好的收敛性和稳定性，并显著降低了系统总成本，为制造资源感知数据及时处理提供了一种有效的解决方案。

关键词：云制造,云边协同,联合卸载,LSTM强化学习,马尔可夫决策过程,

基金资助：中央引导地方科技发展资金资助项目(YDZJSX20231A044)；；