本发明公开了基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法，通过构造小区内用户计算卸载的网络模型、时延模型、能耗模型和经济开销模型，并根据小区内用户数，设置Q-learning模型中的环境状态、卸载动作和奖励函数，从而依据Q-learning迭代学习后所获得的Q表执行卸载动作，获得最优的卸载策略，完成小区内用户计算任务的分配处理。本发明克服了传统数据计算卸载系统无法应对复杂多变的网络环境和服务器状态以及局限于对单一开销优化等问题。仿真实验表明，本发明提出的基于Q-learning的工业互联网设备用户数据计算卸载决策方法在减少用户总体和局部计算卸载开销方面具有一定的优势。
