基于DRL的MEC任务卸载与资源调度算法
为提高多接入边缘计算(MEC)任务卸载效率,提出了一个任务卸载和异构资源调度的联合优化模型.考虑异构的通信资源和计算资源,联合最小化用户的设备能耗、任务执行时延和付费,并利用深度强化学习(DRL)算法对该模型求最优的任务卸载算法.仿真结果表明,该优化算法比银行家算法的设备能耗、时延和付费的综合指标提升了27郾6%.
多接入边缘计算、任务卸载、异构资源调度、深度强化学习
42
TP393(计算技术、计算机技术)
国家自然科学基金项目;未来网络操作系统发展战略研究
2020-03-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
64-69,104