[發明專利]一種基于邊緣計算的強化學習方法、裝置與系統

在審

• 申請號: 202010380253.1
• 申請日: 2020-05-08
• 公開（公告）號: CN113627616A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 吳棟;周勝平;林俊杰;吳敏;梁喬忠;仲景武
• 申請（專利權）人: 阿爾法云計算（深圳）有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N7/00;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于邊緣計算的強化學習方法，所述強化學習過程還有至少一個邊緣節點與至少一個終端設備的參與；所述方法的特征在于，包括：

接收第一數據集，所述第一數據集為所述學習過程的參與者信息；

確定第二數據集，所述第二數據集描述強化學習的任務；

確定第三數據集，所述第三數據集描述所述強化學習任務的策略與評估方式，所述采樣操作適用于所述強化學習任務；

根據第一數據集所描述的參與者，下發所述第二數據集與所述第三數據集；

接收第四數據集，所述第四數據集來自于所述第一數據集所描述的參與者，所述第四數據集為所述第三數據集中的所述評估方式實施于按所述策略所采樣內容的實施結果；

更新第三數據集，所述對第三數據集的更新來自于第四數據集。

2.根據權利要求1所述方法，其特征在于，確定第三數據集，還包括：

所述第三數據集所描述的策略，適用于參與所述強化學習任務的所述終端設備。

3.根據權利要求1所述方法，其特征在于，確定第二數據集，還包括：

所述第二數據集的任務描述，對應于所述邊緣節點為第五任務描述；

所述第二數據集的任務描述，對應于所述終端設備為第六任務描述。

4.根據權利要求3所述方法，其特征在于，確定第二數據集，還包括：

所述第五任務運行于所述邊緣節點；

所述第六任務運行于所述終端設備。

5.根據權利要求1所述方法，其特征在于，更新第三數據集，還包括：

從所述第四數據集遴選與確定優質策略集；

使用第七算法訓練所述的優質策略集，得到新采樣策略；

使用所述新采樣策略代替原采樣策略。

6.根據權利要求5所述方法，其特征在于，所述使用第七算法訓練得到新采樣策略，還包括：

所述第七算法為貝葉斯優化算法。

7.根據權利要求5所述方法，其特征在于，所述使用第七算法訓練得到新采樣策略，還包括：

所述第七算法為遺傳算法。

8.一種計算機程序，其特征在于，所述計算機程序包含執行權利要求1-7任一所述的方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質存儲有程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-7任一項所述的方法。

10.一種執行計算機程序的裝置，其特征在于，包括處理組件、存儲組件和通信模組件，處理組件、存儲組件和通信組件相互連接，其中，存儲組件用于存儲數據處理代碼，通信組件用于與外部設備進行信息交互；處理組件被配置用于調用程序代碼，執行如權利要求1-7任一項所述的方法。