文档名：面向移动边缘计算的任务卸载方法研究
摘要：目前大多计算卸载策略是在任务整体卸载情况下进行的,且仅考虑时延或能耗单一指标,未将二者结合进行优化,为此,以任务处理的时延与能耗加权和为优化目标,提出一种基于强化学习的部分卸载算法.将单个任务的处理分为本地计算和部分卸载两种方式,且在部分卸载中引入了变量确定卸载权重,最后利用强化学习Q-learning完成了所有任务的计算卸载与资源分配.实验结果表明,所提算法能有效降低任务处理的时延与能耗.
Abstract：Computationoffloadingstrategyinmobileedgecomputingcanhelpusersdecidehowtoexecutetasks,whichisrelatedtouserexperience,andhasbecomearesearchhotspotinmobileedgecomputing.Atpresent,mostcomputationoffloadingstrategiesarecarriedoutundertheconditionofoveralltaskoffloading,andonlyconsiderasingleindicatorofdelayorenergyconsumption,anddonotcombinethetwoforoptimization.Tosolvethisproblem,thispapertakestheweightedsumoftaskprocessingdelayandenergyconsumptionastheoptimizationgoal,andproposesapartialoffloadingalgorithmbasedonreinforcementlearning.Wedividetheprocessingofasingletaskintolocalcomputingandpartialoffloadingcomputing,andintroduceavariabletodeterminetheoffloadingweightinpartialoffloading.Finally,weusereinforcementlearningQ-learningtocompletethecomputationoffloadingandresourceallocationofalltasks.Experimentalresultsshowthattheproposedalgorithmcaneffectivelyreducethedelayandenergyconsumptionoftaskprocessing.
作者：张光华 徐航 万恩晗Author：ZHANGGuanghua XUHang WANEnhan
作者单位：东北石油大学电气信息工程学院,黑龙江大庆163318
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2024, 42(2)
分类号：TN92
关键词：移动边缘计算 计算卸载 强化学习
Keywords：mobileedgecomputing computationoffloading reinforcementlearning Q-learning
机标分类号：TP393TN929.5R472
在线出版日期：2024年5月27日
基金项目：国家自然科学基金面向移动边缘计算的任务卸载方法研究[
期刊论文] 吉林大学学报（信息科学版）--2024, 42(2)张光华 徐航 万恩晗目前大多计算卸载策略是在任务整体卸载情况下进行的,且仅考虑时延或能耗单一指标,未将二者结合进行优化,为此,以任务处理的时延与能耗加权和为优化目标,提出一种基于强化学习的部分卸载算法.将单个任务的处理分为本地计...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
面向移动边缘计算的任务卸载方法研究 Research on Task Offloading Strategy for Mobile Edge Computing
面向移动边缘计算的任务卸载方法研究.pdf
- 文件大小:
- 2.29 MB
- 下载次数:
- 60
-
高速下载
|
|
