文件名称：DROO:无线供电的移动边缘计算网络中在线计算卸载的深度强化学习
文件大小：24.01MB
文件格式：ZIP
更新时间：2024-05-29 16:39:43
Python
德鲁 无线供电的移动边缘计算网络中在线计算卸载的深度强化学习 使用Python代码重现我们的DROO算法以进行无线供电的移动边缘计算[1]，该算法使用随时间变化的无线信道增益作为输入并生成二进制卸载决策。 这包括： ：基于实现的WPMEC的DNN结构，包括训练结构和测试结构。 ：基于。 ：基于实现。 ：解决资源分配问题 ：所有数据都存储在此子目录中，包括： data _＃。mat ：训练和测试数据集，其中＃= {10，20，30}是用户编号 ：针对DROO运行此文件，包括设置系统参数，基于 ：基于。 ：基于实现。 ：当WD的权重交替时，运行此文件以评估DROO的性能 demo_on_off.py ：当某些WD随机打开/关闭时，运行此文件以评估DROO的性能 引用这项工作 L. Huang，S。Bi和YJ Zhang，“用于无线移动边缘计算网络中在线计算
【文件预览】：
DROO-master
----memoryTF2.py(5KB)
----mainTF2(7KB)
----.gitattributes(66B)
----demo_on_off.py(7KB)
----main.py(7KB)
----gain_his_ratio.txt(173KB)
----optimization.py(6KB)
----LICENSE(1KB)
----README.md(3KB)
----memoryPyTorch.py(5KB)
----data()
--------data_9.mat(1.87MB)
--------data_10.mat(3.36MB)
--------data_20.mat(6.38MB)
--------data_6.mat(1.3MB)
--------data_5.mat(1.11MB)
--------README.md(2KB)
--------data_30.mat(8.87MB)
--------data_7.mat(1.49MB)
--------data_8.mat(1.68MB)
--------data_10_WeightsAlternated.mat(2.06MB)
----mainPyTorch.py(7KB)
----demo_alternate_weights.py(6KB)
----memory.py(7KB)