1.一種分布式推演方法(1)，所述方法(1)包括：
2.根據權利要求1所述的方法(1)，其中，啟動(15)所述本地推演和/或所述遠程推演包括：
3.根據權利要求2所述的方法(1)，其中，所述數據樣本(x)包括以下之一：數字圖像，和時間序列的一部分；
4.根據權利要求2或3所述的方法(1)，所述移動設備(2)的所述環境的所述狀態(s)包括以下一項或多項：
5.根據權利要求4所述的方法(1)，所述信道測量結果包括信道質量指示(c∈{1,…,c})。
6.根據權利要求4或5所述的方法(1)，所述負載指示包括以下一項或多項：
7.根據上述權利要求中任一項所述的方法(1)，其中，轉發(16)所述處理后的數據樣本(z)包括：
8.根據上述權利要求中任一項所述的方法(1)，其中，轉發(16)所述處理后的數據樣本(z)包括：
9.根據上述權利要求中任一項所述的方法(1)，其中，提供(19)所述最終結果(yfinal)包括：
10.根據上述權利要求中任一項所述的方法(1)，所述第一、第三、第四dnn推演函數(f021、f1?24、f2?31)分別包括卷積神經網絡或全連接前饋神經網絡。
11.根據權利要求10所述的方法(1)，還包括：
12.根據權利要求11所述的方法(1)，其中，執行(11)所述第一、第三、第四dnn推演函數(f0?21、f1?24、f2?31)的所述聯合訓練包括：
13.根據權利要求12所述的方法(1)，其中，計算(111)所述聯合損失(l＝l(y,y1,y2))包括：
14.根據權利要求12所述的方法(1)，其中，計算(111)所述聯合損失(l＝l(y,y1,y2))包括：
15.根據權利要求14所述的方法(1)，其中，計算(1114)所述聯合損失(l＝l(y,y1,y2))包括：
16.根據權利要求12至15中任一項所述的方法(1)，其中，計算(1114)所述聯合損失包括：
17.根據權利要求12至16中任一項所述的方法(1)，所述第二dnn推演函數(fc?22)包括策略深度q網絡dqn、目標dqn和狀態轉換存儲器(bc)，所述策略dqn和所述目標dqn用于提供與本地推演相關聯的相應第一q值(q1(x,s))和與遠程推演相關聯的相應第二q值(q2(x,s))，所述目標dqn還用于每k個訓練步驟從所述策略dqn中復制權重參數(θc)。
18.根據權利要求17所述的方法(1)，還包括：
19.根據權利要求18所述的方法(1)，其中，執行(12)所述第二dnn推演函數(fc?22)的所述訓練包括：
20.根據權利要求19所述的方法(1)，其中，啟動(122)所述本地推演或所述遠程推演包括：
21.根據權利要求19或20所述的方法(1)，其中，確定(124)與所述啟動的本地推演或遠程推演相關聯的所述成本(cost)包括：
22.根據權利要求19至21中任一項所述的方法(1)，在所述數據樣本(x)的生命周期內，所述環境的所述狀態(s＝[c,q])發生一次或多次變化。
23.根據權利要求12至22中任一項所述的方法(1)，所述第五推演函數(fg?25)包括第五dnn推演函數(fg?25)，所述第五dnn推演函數(fg?25)包括卷積神經網絡或全連接前饋神經網絡。
24.根據權利要求23所述的方法(1)，還包括：
25.根據權利要求24所述的方法(1)，其中，執行(13)所述第五dnn推演函數(fg?25)的所述訓練包括：
26.根據權利要求25所述的方法(1)，其中，計算(131)所述損失包括：
27.根據權利要求25所述的方法(1)，其中，計算(131)所述損失包括：
28.一種分布式推演系統(2、3)，包括：
29.一種計算機程序，包括：