基于机器学习的MEC随机任务迁移算法

扫码查看

原文链接

中文摘要：针对移动边缘计算(MEC),提出了一种基于机器学习的随机任务迁移算法,通过将任务划分为可迁移组件和不可迁移组件,结合改进的Q学习和深度学习算法生成随机任务最优迁移策略,以最小化移动设备能耗与时延的加权和.仿真结果表明,该算法的时延与能耗加权和与移动设备本地执行算法相比节约了38.1％.

外文标题：Machine Learning-Based Stochastic Task Offloading Algorithm in Mobile-Edge Computing

作者：

孟浩、霍如、郭倩影、黄韬、刘韵洁

展开 >

作者单位：

北京工业大学北京未来网络科技高精尖创新中心,北京100124

北京邮电大学网络与交换技术国家重点实验室,北京100876

关键词：

移动边缘计算随机任务迁移机器学习时延移动设备能耗

基金：

北京市科技新星计划项目国家科技重大专项项目国家高技术研究发展计划(863计划)项目

项目编号：

Z1511000003150782018ZX03001019-0032015AA015702

出版年：

2019

北京邮电大学学报

北京邮电大学

CSTPCDCSCD北大核心EI

影响因子：0.592

ISSN：1007-5321

年,卷(期)：2019.42(2)