科研之友
微信
新浪微博
Facebook
分享链接
摘要
移动边缘云以分布式计算方式将计算能力以及存储资源下沉至网络边缘，而边缘云网络覆盖的局限性以及用户移动的不确定性使得用户对实时服务提出较高的要求。边缘云服务迁移可以为移动中的用户提供连续服务，而迁移系统的普适性和迁移决策的高效性成为迁移过程的一大挑战。因此论文提出了一种无模型的深度强化学习算法来解决迁移决策问题。实验结果表明，该方法可建立通用的系统架构且在服务时延、迁移开销以及两者之间的折衷优化方面优于现有的方法。
- 单位
移动边缘云以分布式计算方式将计算能力以及存储资源下沉至网络边缘，而边缘云网络覆盖的局限性以及用户移动的不确定性使得用户对实时服务提出较高的要求。边缘云服务迁移可以为移动中的用户提供连续服务，而迁移系统的普适性和迁移决策的高效性成为迁移过程的一大挑战。因此论文提出了一种无模型的深度强化学习算法来解决迁移决策问题。实验结果表明，该方法可建立通用的系统架构且在服务时延、迁移开销以及两者之间的折衷优化方面优于现有的方法。
