能量收集MEC系统中的任务卸载与资源分配方案研究

作者：鲜永菊; 陈万琼; 左维昊; 汪帅鸽

来源：小型微型计算机系统, 2023, 1-7.

• 移动边缘计算
• 能量收集
• 任务卸载
• 资源分配
• 深度强化学习

移动边缘计算(MEC)与能量收集(EH)技术相结合，可以有效缓解终端设备计算资源与电池电量不足问题。然而，能量收集的动态性、任务到达的随机性以及网络信道状态的实时变化对MEC系统的任务卸载和资源分配带来极大的挑战。为了满足队列长期稳定，最小化终端设备完成任务的执行时间和能量消耗总成本，文章设计了一种基于深度强化学习(DRL)和改进差分进化的任务卸载和资源分配方案，首先通过Lyapunov随机优化理论，将随机优化问题解耦成每个确定时隙内的卸载决策子问题和资源分配子问题，然后通过DRL算法和改进的差分进化算法分别求解两个子问题。最后仿真结果表明，所提方案可以有效降低终端设备完成任务的总成本，并保证队列长期稳定。

• 单位
  通信与信息工程学院; 重庆邮电大学