10.3969/j.issn.1672-9730.2019.10.037
基于深度强化学习的移动边缘卸载机制
随着未来5G移动网络的发展,为了满足用户在大量数据剧增的背景下实现更高带宽、更低时延的要求,移动边缘计算(MEC)技术正逐渐引起相关学者的重视.MEC可以将计算密集型任务迁移到MEC服务器,来扩展无线网络边缘的计算能力.论文考虑了一个多用户的MEC系统,提出了深度强化学习方法来优化即时奖励和长期成本.仿真结果表明,与其他方法相比,该方案在降低总成本上有明显优势.
移动边缘计算、计算卸载、Q-learning、深度强化学习
39
TP393.09(计算技术、计算机技术)
2019-11-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
166-169,173