科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决边缘网络环境中由于业务差异化、网络环境高度动态化以及算网资源部署去中心化造成的网络服务缓存和算网资源分配效率低等问题，研究并建立了一种去中心化的移动边缘计算服务编排和计算卸载模型；并在算力、存储、带宽等多维资源约束下，以最小化任务处理时延为目标，将服务缓存和算网资源分配联合优化问题抽象为部分可观测马尔可夫决策过程；考虑到服务请求时间依赖性及其与服务缓存间的耦合关系，引入长短时记忆网络来捕获时间相关的网络状态信息，进而提出基于循环多智能体深度强化学习的分布式服务编排和资源分配算法以自主决策服务缓存和算网资源分配策略。仿真结果表明，所提算法在缓存命中率、任务处理时延等方面具有显著的性能提升。
-
单位通信与信息工程学院; 中国人民解放军陆军工程大学; 重庆邮电大学
