改进深度强化学习算法的计算卸载策略

摘要：

为了降低移动边缘计算(Mobile Edge Computing,MEC)系统的成本、提高计算效率,提出了一种改进深度强化学习算法的计算卸载策略.在任务卸载执行的时延中引入排队时延的计算,利用优先经验重放(Prioritized Experi-ence Replay,PER)方法对历史经验赋予优先级,优先采样高优先级的经验,以提高学习效率,快速、准确地做出合理卸载决策.仿真结果表明,与相关经典策略对比,改进算法的计算效率较高,系统总成本较低.

关键词：移动边缘计算、卸载决策、排队时延、深度强化学习、优先经验重放

所属期刊栏目：26

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省自然科学基金;陕西省重点产业创新链群项目

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：9-16