移动边缘计算中基于强化学习的计算和通信资源联合分配算法研究

声明

致谢

1绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要工作

1.4 论文组织结构

1.5 本章小结

2强化学习基础理论

2.1 马尔可夫决策过程

2.1.1 策略

2.1.2 奖励函数

2.1.3 值函数

2.2 时序差分学习

2.2.1 Sarsa: 同步策略控制

2.2.2 Q-Learning:异步策略控制

2.3 本章小结

3基于强化学习的MEC资源联合分配算法

3.1 MEC 资源分配算法优化目标

3.1.1 MEC受益率最大化

3.1.2 移动终端用户设备平均开销最小化

3.2 无功率控制下的资源联合分配算法

3.2.1 无功率控制下的本地计算模型

3.2.2 无功率控制下的任务卸载模型

3.3 基于功率控制的资源联合分配算法

3.3.1 基于功率控制的本地计算模型

3.3.2 基于功率控制的任务卸载模型

3.4 本章小结

4 资源联合分配算法仿真实验与分析

4.1 无功率控制下的资源联合分配算法仿真实验与分析

4.2 基于功率控制的资源联合分配算法仿真实验与分析

4.3 本章小结

5总结与展望

5.1 总结

5.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集