云边协同计算中基于深度强化学习的任务二次申请卸载策略研究

作者：杨昆仑; 王茂励; 王亚林; 马旭

来源：计算机应用研究, 2022, 1-6.

DOI：10.19734/j.issn.1001-3695.2022.04.0220

• 云边协同计算
• 任务卸载
• 能耗优化
• 二次申请
• DQN

现有的任务卸载策略通常在一个时隙内制定卸载决策，没有考虑多个卸载时隙间的内在联系，因此无法根据任务的实际需求进行卸载。针对该问题，提出了一种基于深度强化学习的任务二次申请卸载策略(DQNTSAO)。首先提出了一种支持任务进行二次申请卸载的云边端三层架构，建立了任务卸载优先级模型、时延模型和能耗模型；然后以最小化系统能耗为目标，将能耗优化问题转变为最大累积卸载奖励的马尔可夫决策过程；最后通过DQN-TSAO算法提取各个时隙的任务卸载特征，使任务在与环境不断交互的过程中获得多个时隙内的最佳卸载决策。仿真结果表明DQN-TSAO算法能够有效降低一段时间内的系统总能耗。

• 单位
  曲阜师范大学