基于深度强化学习的边云协同资源分配算法 |
| |
引用本文: | 于滨,李学华,潘春雨,李娜.基于深度强化学习的边云协同资源分配算法[J].计算机科学,2022(7):248-253. |
| |
作者姓名: | 于滨 李学华 潘春雨 李娜 |
| |
作者单位: | 1. 北京信息科技大学信息与通信工程学院;2. 北京信息科技大学佰才邦技术智慧物联联合实验室 |
| |
基金项目: | 北京市自然科学基金-市教委联合资助项目(KZ201911232046); |
| |
摘 要: | 移动边缘计算(Mobile Edge Computing, MEC)用于增强低功耗网络的数据处理能力,目前已成为一种高效的计算范例。文中考虑了由多个终端(Mobile Terminal, MT)组成的边云协同系统及其资源分配策略。为降低MTs的时延总和,采用多种卸载模式,提出了基于深度强化学习的任务卸载算法,该算法将深度神经网络(Deep Neural Network, DNN)作为一个可伸缩的解决方案来实现,从经验中学习多进制卸载模式来最小化时延总和。仿真结果表明,与深度Q网络(Deep Q Network, DQN)算法及深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法相比,所提算法在最大性能增益上提升显著。此外,从仿真结果中可以看出,所提算法具有较好的收敛性,该算法的结果接近穷举搜索得到的最优解。
|
关 键 词: | 移动边缘计算 移动终端 深度强化学习 资源分配 |
|
|