• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《计算机科学》 >基于深度强化学习的边云协同资源分配算法

基于深度强化学习的边云协同资源分配算法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

移动边缘计算(Mobile Edge Computing,MEC)用于增强低功耗网络的数据处理能力,目前已成为一种高效的计算范例。文中考虑了由多个终端(Mobile Terminal,MT)组成的边云协同系统及其资源分配策略。为降低MTs的时延总和,采用多种卸载模式,提出了基于深度强化学习的任务卸载算法,该算法将深度神经网络(Deep Neural Network,DNN)作为一个可伸缩的解决方案来实现,从经验中学习多进制卸载模式来最小化时延总和。仿真结果表明,与深度Q网络(Deep Q Network,DQN)算法及深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法相比,所提算法在最大性能增益上提升显著。此外,从仿真结果中可以看出,所提算法具有较好的收敛性,该算法的结果接近穷举搜索得到的最优解。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号