基于深度强化学习的边云协同串行任务卸载算法

• 作者: 张凤荔 赵佳君 刘东 王瑞锦
• 来源期刊: 电子科技大学学报
• 关键词: 深度Q网络 边云协同 移动边缘计算 串行任务 任务卸载算法
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机工程与应用|Computer Engineering and Applications
• 页码范围: 398-404
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.12178/1001-0548.2021015

摘要

在移动边缘计算任务卸载问题中,传统卸载算法仅考虑移动设备和边缘服务器计算资源,在资源利用、系统效能上存在一定的局限性.该文基于RainbowDQN算法,考虑了延迟、能耗成本和服务质量保证等因素,提出了一种边缘云协同串行任务卸载算法(ECWS-RDQN).该算法通过对串行任务的权重分配,实现了网络边缘和云端协同的串行任务动态分配处理,为不同的用户设备应用提供近似最优的任务分配卸载策略.实验表明,ECWS-RDQN算法比传统方案有更好的系统效能,提升了应用的服务质量.