基于强化学习的移动边缘计算任务卸载方法

• 作者: 陈刚 王志坚 徐胜超 广州华商学院数据科学学院
• 来源期刊: 计算机测量与控制
• 关键词: 强化学习方法 Q-Learning算法 移动边缘 计算任务卸载 卸载模型
• 年，卷（期）: 2024,（10）
• 所属期刊栏目: 设计与应用
• 页码范围: 300-305,310
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.10.046

摘要

最佳卸载策略直接影响移动计算任务卸载的时延与能耗，因此提出基于强化学习方法的移动边缘计算任务卸载方法；首先对移动设备的计算任务卸载形式展开具体分析，并基于分析结果获取计算任务卸载能量消耗、发射功率、传输速率等相关参数值，以此建立移动边缘计算任务卸载模型；最后基于建立的卸载模型结合Q-Learning算法对计算任务实施强化学习，找出计算任务的最佳卸载策略，从而实现移动边缘计算任务的实时卸载；实验结果表明，使用强化学习方法开展移动边缘计算任务卸载时，卸载能耗低，仅为0.87 J、时延小，均不超过6 s。