| 基于改进TD3的MEC多任务计算卸载 |
| |
| 引用本文： | 于波,毛鑫浩.基于改进TD3的MEC多任务计算卸载[J].计算机系统应用,2023,32(12):95-103. |
| |
| 作者姓名： | 于波 毛鑫浩 |
| |
| 作者单位： | 中国科学院 沈阳计算技术研究所, 沈阳 110168;中国科学院 沈阳计算技术研究所, 沈阳 110168;中国科学院大学, 北京 100049 |
| |
| 摘 要： | 在多用户多任务场景下, 使用传统的决策算法去对短时间内接踵而来的任务进行计算卸载决策, 已经不能满足用户对决策效率和资源利用率的要求. 因此有研究提出使用深度强化学习算法来进行卸载决策以满足各种场景下的需求, 但是这些算法大多只考虑卸载优先的策略, 这种策略使用户设备(UE)被大量闲置. 我们提高了移动边缘计算(MEC)服务器和用户设备(UE)的资源利用率, 降低计算卸载的错误率, 提出了一种本地优先和改进TD3(twin delayed deep deterministic policy gradient)算法相结合的决策卸载模型, 并设计了仿真实验, 通过实验证明该模型确实可以提高MEC服务器和UE的资源利用率并降低错误率.
|
| 关 键 词： | 移动边缘计算 计算卸载 双延迟深度确定性策略梯度(TD3) 资源分配 |
| 收稿时间： | 2023/6/12 0:00:00 |
| 修稿时间： | 2023/7/12 0:00:00 |
Multi-task Computation Offloading for MEC Based on Improved TD3 |
| |
| YU Bo,MAO Xin-Hao.Multi-task Computation Offloading for MEC Based on Improved TD3[J].Computer Systems& Applications,2023,32(12):95-103. |
| |
| Authors: | YU Bo MAO Xin-Hao |
| |
| Affiliation: | Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168, China; Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168, China;University of Chinese Academy of Sciences, Beijing 100049, China |
| |
| Abstract: | |
| |
| Keywords: | mobile edge computing computation offloading twin delayed deep deterministic policy gradient (TD3) resource allocation |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
