基于DRL的MEC任务卸载与资源调度算法

摘要：

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％.

关键词：多接入边缘计算、任务卸载、异构资源调度、深度强化学习

所属期刊栏目：42

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目;未来网络操作系统发展战略研究

在线出版日期：2020-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：64-69,104