边云协同场景下基于强化学习的精英分层任务卸载策略研究

• 作者: 方娟 叶志远 张梦媛 史佳眉 滕自怡
• 来源期刊: 物联网学报
• 学科: 工学
• 关键词: 移动边缘计算 任务卸载 边云协同 进化算法 串行任务
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 理论与技术|Theory and Technology
• 页码范围: 91-100
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11959/j.issn.2096−3750.2022.00258

摘要

随着5G的发展以及应用程序功能的丰富,应用程序对终端设备的计算能力提出了更高的要求,为了提高终端设备对应用程序的计算能力,降低任务的处理时间,针对移动边缘计算环境,提出了一种边云协同的任务卸载方式,并设计了基于强化学习的精英分层进化算法(RL-EHEA,elite hierarchical evolutionary algorithm com-bined with reinforcement learning)进行卸载决策,使多个具有依赖关系与截止时间的任务对计算资源竞争.结果表明,与遗传算法(GA,genetic algorithm)和精英遗传算法(EGA,elite genetic algorithm)相比,RL-EHEA能缩短任务的处理时间,得到更优的资源分配策略.