移动边缘计算中基于深度强化学习的计算卸载调度方法OA北大核心CSCD
Deep reinforcement learning based offloading scheduling in mobile edge computing
针对移动边缘计算中具有依赖关系的任务的卸载决策问题,提出一种基于深度强化学习的任务卸载调度方法,以最小化应用程序的执行时间.任务调度的过程被描述为一个马尔可夫决策过程,其调度策略由所提出的序列到序列深度神经网络表示,并通过近端策略优化(proximal policy optimization)方法进行训练.仿真实验表明,所提出的算法具有良好的收敛能力,并且在不同环境下的表现均优于所对比的六个基线算法,证明了该方法的有效性和可靠性.
詹文翰;王瑾;朱清新;段翰聪;叶娅兰
电子科技大学信息与软件工程学院 成都6117311电子科技大学计算机科学与工程学院,成都611731埃克塞特大学计算机系,英国埃克塞特EX44RN电子科技大学信息与软件工程学院 成都6117311电子科技大学计算机科学与工程学院,成都611731
信息技术与安全科学
移动边缘计算计算卸载任务调度深度强化学习
《计算机应用研究》 2021 (1)
241-245,263,6
国家自然科学基金面上项目(61871096,61976047)四川省科技厅重点研发项目(2019YFG0122)
评论