超密集网络中基于MEC的动态任务卸载方案

作者：鲜永菊; 刘闯^*; 韩瑞寅; 陈万琼

来源：电讯技术, 2023, 63(06): 757-767.

DOI：10.20079/j.issn.1001-893x.220113001

• 超密集网络(UDN)
• 移动边缘计算(MEC)
• 卸载方案
• 深度强化学习

超密集网络(Ultra-dense Network, UDN)中集成移动边缘计算(Mobile Edge Computing, MEC),是5G中为用户提供计算资源的可靠方式，在多种因素影响下进行MEC任务卸载决策一直都是一个研究热点。目前已存在大量任务卸载相关的方案，但是这些方案中很少将重心放在用户在不同条件下的能耗需求差异上，无法有效提升用户体验质量(Quality of Experience, QoE)。在动态MEC系统中提出了一个考虑用户能耗需求的多用户任务卸载问题，通过最大化满意度的方式提升用户QoE,并将现有的深度强化学习算法进行了改进，使其更加适合求解所提优化问题。仿真结果表明，所提算法较现有算法在算法收敛性以及稳定性上具有一定提升。

• 单位
  重庆邮电大学; 通信与信息工程学院