|
|||||
|
|
| 基于元强化学习的自适应卸载方法 | |
| 作者姓名： | 郑会吉 余思聪 邱鑫源 崔翛龙 |
| 作者单位： | 武警工程大学信息工程学院,西安 710086;武警工程大学反恐指挥信息工程联合实验室,西安 710086 |
| 基金项目： | 国家自然科学基金资助项目(U1603261) |
| 摘 要： | 计算卸载是移动边缘网络中的一个关键问题,基于深度学习的算法为高效生成卸载策略提供了一种解决方法.但考虑到移动终端设备的动态性以及不同任务场景之间的转换,需要大量的训练数据和较长的训练时间重新训练神经网络模型,即这些方法对新环境的适应能力较弱.针对这些不足,提出了一种基于元强化学习(Meta Reinforcement Learning,MRL)的自适应卸载方法,先对外部模型进行预训练,处理具体任务时再基于外部模型训练内部模型.该方法能快速适应具有少量梯度更新的样本的新环境.仿真实验表明,该算法能够适应新的任务场景,效果良好. |
| 关 键 词： | 移动边缘计算(MEC) 自适应卸载 元强化学习 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《电讯技术》浏览原始摘要信息 | |
| 点击此处可从《电讯技术》下载全文 | |