基于DRL的MEC任务卸载与资源调度算法

作者：薛宁; 霍如^*; 曾诗钦; 汪硕; 黄韬

来源：北京邮电大学学报, 2019, 42(06): 64-104.

DOI：10.13190/j.jbupt.2019-155

• 多接入边缘计算
• 任务卸载
• 异构资源调度
• 深度强化学习

为提高多接入边缘计算(MEC)任务卸载效率,提出了一个任务卸载和异构资源调度的联合优化模型.考虑异构的通信资源和计算资源,联合最小化用户的设备能耗、任务执行时延和付费,并利用深度强化学习(DRL)算法对该模型求最优的任务卸载算法.仿真结果表明,该优化算法比银行家算法的设备能耗、时延和付费的综合指标提升了27. 6%.

• 单位
  北京邮电大学; 北京工业大学; 网络与交换技术国家重点实验室