声明
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 边缘计算卸载研究现状
1.2.2 智能型计算卸载方法研究现状
1.3 本文研究内容
1.4 本文创新点与技术路线
1.5 论文结构安排
第2章 相关理论和技术
2.1 边缘计算
2.1.1 边缘计算发展概述
2.1.2 边缘计算网络架构
2.1.3 边缘计算中的计算卸载
2.2 深度强化学习
2.2.1 深度学习
2.2.2 强化学习
2.2.3 深度强化学习
2.3 本章小结
第3章 MEC计算卸载系统模型
3.1 MEC系统模型
3.1.1 本地计算模型
3.1.2 计算卸载模型
3.2 优化目标
3.2.1AoT(Age of Task)
3.2.2 问题建模
3.3 本章小结
第4章 基于深度强化学习的新型计算卸载方法
4.1 传统计算卸载方法的局限性
4.2 算法描述
4.2.1 马尔可夫决策过程建模
4.2.2 DQN算法
4.2.3 改进DQN算法
4.2.4 算法性能对比
4.3 本章小结
第5章 实验设计与结果分析
5.1 实验环境与参数设置
5.1.1 运行环境
5.1.2 参数设置
5.1.3 对比实验介绍
5.2 实验流程设计
5.3 实验结果与分析
5.4 实验结论
第6章 总结与展望
6.1 本文总结
6.2 展望
参考文献
作者简介及科研成果
致谢
吉林大学;