论文摘要
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%.
论文目录
文章来源
类型: 期刊论文
作者: 薛宁,霍如,曾诗钦,汪硕,黄韬
关键词: 多接入边缘计算,任务卸载,异构资源调度,深度强化学习
来源: 北京邮电大学学报 2019年06期
年度: 2019
分类: 信息科技
专业: 电信技术
单位: 北京工业大学北京未来网络科技高精尖创新中心,北京邮电大学网络与交换技术国家重点实验室
基金: 国家自然科学基金项目(61902033),未来网络操作系统发展战略研究(2019-XY-5)
分类号: TN92
DOI: 10.13190/j.jbupt.2019-155
页码: 64-69+104
总页数: 7
文件大小: 1811K
下载量: 423