声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：卢海峰,顾春华,罗飞,丁炜超,杨婷,郑帅,
关键词：移动边缘计算, 任务卸载, 深度强化学习, 长短期记忆网络, 事后经验回放,
在移动边缘计算中，本地设备可以将任务卸载到靠近网络边缘的服务器上进行数据存储和计算处理，以此降低业务服务的延迟和功耗，因此任务卸载决策具有很大的研究价值.首先构建了大规模异构移动边缘计算中具有多服务节点和移动任务内部具有多依赖关系的卸载模型；随后结合移动边缘计算的实际应用场景，提出利用改进的深度强化学习算法优化任务卸载策略；最后通过综合比较任务卸载策略的能耗、成本、负载均衡、延迟、网络使用量和平均执行时间等指标，分析了各卸载策略的优缺点.仿真实验结果表明，基于长短期记忆(longshort-termmemory,LSTM)网络和事后经验回放(hindsightexperiencereplay,HER)改进的HERDRQN算法在能耗、费用、负载均衡和延迟上都有很好的效果.另外利用各算法策略对一定数量的应用进行卸载，通过比较异构设备在不同CPU利用率下的数量分布来验证卸载策略与各评价指标之间的关系，以此证明HERDRQN算法生成的策略在解决任务卸载问题中的科学性和有效性.
来源：2020年第7期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。