文档名：基于元强化学习的自适应卸载方法
摘要：计算卸载是移动边缘网络中的一个关键问题,基于深度学习的算法为高效生成卸载策略提供了一种解决方法.但考虑到移动终端设备的动态性以及不同任务场景之间的转换,需要大量的训练数据和较长的训练时间重新训练神经网络模型,即这些方法对新环境的适应能力较弱.针对这些不足,提出了一种基于元强化学习(MetaReinforcementLearning,MRL)的自适应卸载方法,先对外部模型进行预训练,处理具体任务时再基于外部模型训练内部模型.该方法能快速适应具有少量梯度更新的样本的新环境.仿真实验表明,该算法能够适应新的任务场景,效果良好.
Abstract：Computingoffloadingisakeyprobleminmobileedgenetworks.Deeplearning-basedalgorithmsprovideasolutiontoefficientlygenerateoffloadingstrategies.However,consideringthedynamiccharacteristicofmobileterminaldevicesandthetransformationbetweendifferenttaskscenarios,alargeamountoftrainingdataandalongtrainingtimeareneededtoretraintheneuralnetworkmodel,thatis,thesemethodsareweakinadaptingtothenewenvironment.Inordertosolvetheseproblems,anadaptiveoffloadingmethodbasedonmetareinforcementlearningisproposed.Firstly,theoutermodelispretrained,andthentheinnermodelistrainedbasedontheoutermodelwhendealingwithspecifictasks.Themethodcanquicklyadapttothenewenvironmentwithasmallnumberofgradientupdatedsamples.Simulationresultsshowthatthealgorithmcanadapttonewtaskscenariosandhasgoodeffect.
作者：郑会吉 余思聪 邱鑫源 崔翛龙Author：ZHENGHuiji YUSicong QIUXinyuan CUIXiaolong
作者单位：武警工程大学信息工程学院,西安710086;武警工程大学反恐指挥信息工程联合实验室,西安710086
刊名：电讯技术
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(2)
分类号：TN929
关键词：移动边缘计算(MEC) 自适应卸载 元强化学习
Keywords：mobileedgecomputing(MEC) adaptiveoffloading metareinforcementlearning
机标分类号：TP393TN929.5G43
在线出版日期：2024年3月5日
基金项目：国家自然科学基金基于元强化学习的自适应卸载方法[
期刊论文] 电讯技术--2024, 64(2)郑会吉 余思聪 邱鑫源 崔翛龙计算卸载是移动边缘网络中的一个关键问题,基于深度学习的算法为高效生成卸载策略提供了一种解决方法.但考虑到移动终端设备的动态性以及不同任务场景之间的转换,需要大量的训练数据和较长的训练时间重新训练神经网络模...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
基于元强化学习的自适应卸载方法 An Adaptive Offloading Method Based on Meta Reinforcement Learning
基于元强化学习的自适应卸载方法.pdf
- 文件大小:
- 1.53 MB
- 下载次数:
- 60
-
高速下载
|
|
