基于深度强化学习和无线充电技术的D2D-MEC网络边缘卸载框架

摘要：

物联网设备中大量未被充分利用的计算资源,正是移动边缘计算所需要的.一种基于设备对设备通信技术和无线充电技术的边缘卸载框架,可以最大化利用闲置物联网设备的计算资源,提升用户体验.在此基础上,可以建立物联网设备的D2D-MEC网络模型.在该模型中,主设备根据当前环境信息和估计的设备状态信息,选择向多个边缘设备卸载不同数量的任务,并应用无线充电技术提升传输的成功率和计算的稳定性.运用强化学习方法解决任务分配和资源分配的联合优化问题,也就是最小化计算延迟、能量消耗和任务丢弃损失,最大化边缘设备利用率和任务卸载比例的优化问题.除此之外,为了适应状态空间更大的情况,提高学习速度,提出了一种基于深度强化学习的卸载方案.基于以上理论和模型,使用数学推导计算出了D2D-MEC系统的最优解及性能上限.仿真实验证明了 D2D-MEC卸载模型及其卸载策略的综合性能更好,更能充分利用物联网设备的计算资源.

关键词：移动边缘计算、D2D、强化学习、物联网、计算卸载、无线能量传输

所属期刊栏目：50

分类号：TP181(自动化基础理论)

在线出版日期：2023-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：233-242