一种深度强化学习的C-RAN动态资源分配方法

• 作者: 张永棠
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 云无线接入网 移动边缘计算 深度神经网络 深度强化学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 132-136
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

移动边缘计算(MEC)技术已成为云无线接入网(C-RAN)提供近距离服务的一个很有前途的例子,从而减少了服务延迟,节约了能源消耗.本文考虑一个多用户MEC系统,解决了计算卸载策略和资源分配策略问题.我们将延迟总成本和能耗作为优化目标,在一个动态的环境中获得一个最优的策略.提出了一个基于深度强化学习的优化框架来解决资源分配问题,利用深度神经网络(DNN)对批评者的价值函数进行估计,从当前状态直接提取信息,不需要获取准确的信道状态.从而降低了优化目标的状态空间复杂度.参与者使用另一个DNN来表示参数随机策略,并在批评者的帮助下改进策略.仿真结果表明,与其它方案相比,该方案显著降低了总功耗.