科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了缓解当前边缘计算网络中资源优化方案长期收益有限与频谱效率低的问题，基于强化学习，提出一种多次用户认知边缘计算网络资源分配方案。建立了一个认知边缘计算网络资源分配优化设计模型，该模型由多个次用户、一个主用户以及一个小基站构成。次用户通过小基站对主用户状态进行频谱感知，采用时分多址技术接入主用户频谱进行任务卸载。利用部分可观测马尔科夫决策过程对认知边缘计算网络中的次用户信道接入时间比例、边缘计算能耗、CPU计算频率与任务卸载功率进行联合优化设计，最大化次用户能获得的加权期望计算比特数之和。仿真结果表明，相比只考虑单个时隙性能最优的传统算法，所提方案显著提升了网络中次级用户长期期望计算比特数。
-
单位通信与信息工程学院; 中国移动通信集团陕西有限公司; 西安邮电大学
