作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
C-RAN传输承载方案研究
无线接入
C-RAN传输承载
中国移动C-RAN建设方式探讨
C-RAN
光缆
建设方式
基于C-RAN架构的基带资源分配方法设计
动态映射
资源调度
C-RAN
BBU
RRU
双层网络中一种协作博弈的动态资源分配方法
毫微微小区
协作博弈
动态资源分配
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种深度强化学习的C-RAN动态资源分配方法
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
研究方向 页码范围 132-136
页数 5页 分类号 TP393
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (126)
共引文献  (83)
参考文献  (17)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1949(1)
  • 参考文献(0)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(14)
  • 参考文献(0)
  • 二级参考文献(14)
2015(18)
  • 参考文献(2)
  • 二级参考文献(16)
2016(26)
  • 参考文献(2)
  • 二级参考文献(24)
2017(27)
  • 参考文献(4)
  • 二级参考文献(23)
2018(14)
  • 参考文献(3)
  • 二级参考文献(11)
2019(6)
  • 参考文献(6)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
云无线接入网
移动边缘计算
深度神经网络
深度强化学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
小型微型计算机系统
月刊
1000-1220
21-1106/TP
大16开
辽宁省沈阳市东陵区南屏东路16号
8-108
1980
chi
出版文献量(篇)
11026
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导