典型文献
基于深度强化学习的物联网动态聚类方案
文献摘要：
为了提高物联网(IOT)对大型数据的采集性能,人们提出了多种网络聚类方法.然而,它们大多侧重于用静态拓扑划分网络,因此在处理网络中移动对象的情况时,它们不是最优的,并且都没有考虑过边缘服务器的计算性能.针对这些问题,提出了一种基于深度强化学习(DRL)边缘计算的高效物联网动态聚类解决方案.这种方法既能满足物联网的数据通信需求,又能满足边缘服务器的负载平衡需求.本文使用一个深度Q学习网络(DQN)模型来实现该方法.初步的实验结果表明,与 目前的静态基准解决方案相比,DQN解决方案可以获得更高的聚类划分分数.
文献关键词：
边缘计算;深度强化学习;动态集群;物联网
中图分类号：
作者姓名：
吴宗卓
作者机构：
陕西国防工业职业技术学院,计算机与软件学院,陕西,西安710300
文献出处：
引用格式：
[1]吴宗卓-.基于深度强化学习的物联网动态聚类方案)[J].微型电脑应用,2022(06):31-33,46
A类：
动态集群
B类：
深度强化学习,动态聚类,IOT,网络聚类,聚类方法,分网,移动对象,边缘服务器,DRL,边缘计算,数据通信,通信需求,负载平衡,学习网络,DQN,基准解
AB值：
0.33152
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
