在移動(dòng)設(shè)備資源受限的情況下,移動(dòng)邊緣計(jì)算（MEC）通過合理分配邊緣服務(wù)器和多個(gè)移動(dòng)設(shè)備的計(jì)算資源來提高移動(dòng)設(shè)備用戶的計(jì)算體驗(yàn).然而這種密集計(jì)算問題是一種高維的NP難問題,傳統(tǒng)機(jī)器學(xué)習(xí)方法在解決該問題的時(shí)候并沒有良好的效果.本文將最佳計(jì)算卸載問題建模為馬爾可夫決策過程,目標(biāo)是最大化長期效用性能,根據(jù)隊(duì)列狀態(tài),能量隊(duì)列狀態(tài)以及移動(dòng)用戶與基站之間的信道質(zhì)量做出卸載決策.為了降低狀態(tài)空間中高維性的問題,提出了應(yīng)用DDPG的基于候選網(wǎng)絡(luò)優(yōu)化ECOO（Edge Computing Optimize Offloading）算法,從而產(chǎn)生一種用于解決隨機(jī)任務(wù)卸載的新型學(xué)習(xí)算法.通過實(shí)驗(yàn)證明,提出的ECOO算法在時(shí)延和能耗方面均優(yōu)于其它傳統(tǒng)機(jī)器學(xué)習(xí)方法. 

【文章來源】：小型微型計(jì)算機(jī)系統(tǒng). 2020,41(10)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

多用戶移動(dòng)邊緣計(jì)算模型

深度強(qiáng)化學(xué)習(xí)計(jì)算卸載過程

神經(jīng)網(wǎng)絡(luò)架構(gòu)


本文編號(hào)：2960109