期刊论文

Kuang, Zhu-Fang(zfkuangcn@163.com);Chen, Qing-Lin(1311085095@qq.com)

中文

计算机学报

0254-4164

2022

45

4

812-824

10.11897/SP.J.1016.2022.00812

62072477:国家自然科学基金 61309027:国家自然科学基金 2018JJ3888:湖南省自然科学基金资助项目 18B197:湖南省教育厅优秀青年项目 2018YFB1700200:国家重点研发计划 2019TP1015:智慧物流技术湖南省重点实验室课题资助项目 No.2021FNA04009:中国高校产学研创新基金项目

本校为第一且通讯机构

移动边缘计算(Mobile Edge Computing,MEC)把计算和存储等资源部署在网络边缘以满足某些对延迟要求苛刻的应用.用户设备可以通过无线网络将计算任务整体或者部分卸载到边缘服务器执行从而降低延迟和本地耗能,进而获得良好的用户体验.现有传统优化算法在MEC卸载决策和资源分配方面是可行的,但传统优化算法并不很适合高实时性的MEC系统.深度强化学习可以通过与传统优化算法不同的方式,建立尝试-奖励反馈机制,通过积累经验进行学习,从而完成优化目标.本文考虑移动边缘计算网络中多用户多任务卸载的情况下,研究任务卸载中的卸载决策和任务调度以及服务器资源分配的问题,以最小化系统延迟和传输耗能、...

Mobile Edge Computing (MEC) deployments computing and storage resources at the edge of a network to meet some latency-critical applications. The user device can offload the computing tasks to the edge server in whole or in part through the wireless network so as to reduce the latency and local power consumption, thus obtaining a good user experience. The existing traditional optimization algorithm is feasible in the aspects of MEC offloading decision and resource allocation, but the traditional optimization algorithm is not very suitable for th...