基于深度强化学习的个性化任务处理方法  

Personalized task processing method based on deep reinforcement learning

作　　者：朱亚飞 胡明[2] 丁言 赵佳 ZHU Yafei;HU Ming;DING Yan;ZHAO Jia(School of Computer Science&Engineering,Changchun University of Technology,Changchun 130102,China;Artificial Intelligence Technology Research Institute,Changchun Institute of Engineering,Changchun 130012,China)

机构地区：[1]长春工业大学计算机科学与工程学院,吉林长春130102 [2]长春工程学院人工智能技术研究院,吉林长春130012

出　　处：《长春工业大学学报》2023年第2期135-140,共6页Journal of Changchun University of Technology

基　　金：国家自然科学基金面上项目(61972054);长春市科技发展计划重点研发计划项目(21ZY53);吉林省第四批青年科技托举人才项目(QT202001);吉林省科技发展计划重点研发项目(20210201127GX);吉林省发展和改革委员会产业技术研究与开发专项基金资助项目(2021C045-6);吉林省高等教育教学改革研究项目(JLJY202168939653);吉林省教育科学“十四五”规划课题(GH21364);长春工程学院博士创新团队科研启动基金。

摘　　要：为实现移动云计算背景下多端个性化任务处理的目标,首先通过PCA等预处理方法萃取数据特征信息实现数据域分类。再通过深度强化学习方法结合多端模型的返回特征完成云计算中心个性化任务处理(PTP)方法模型的训练。实验及仿真结果表明,该方法不仅实现了个性化任务处理的目标,而且可以提高模型收敛速度,降低算法复杂度。In order to achieve the goal of multiterminal personalized task processing in the context of mobile cloud computing,firstly,data domain classification is achieved by extracting data feature information through pre-processing methods such as PCA.Then complete the training of the personalized task processing(PTP)method model of cloud computing center through the deep reinforcement learning method combined with the return characteristics of the multi-terminal model.Experimental and simulation results show that this method not only achieves the goal of personalized task processing,but also improves the convergence speed of the model and reduces the complexity of the algorithm.

关 键 词：移动云计算 深度学习 强化学习 大数据分析 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]