计算机应用研究2021，Vol.38Issue(1) ：241-245,263.DOI:10.19734/j.issn.1001-3695.2019.10.0594

移动边缘计算中基于深度强化学习的计算卸载调度方法

Deep reinforcement learning based offloading scheduling in mobile edge computing

詹文翰 王瑾 朱清新 段翰聪 叶娅兰
计算机应用研究2021，Vol.38Issue(1) ：241-245,263.DOI:10.19734/j.issn.1001-3695.2019.10.0594
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

移动边缘计算中基于深度强化学习的计算卸载调度方法

Deep reinforcement learning based offloading scheduling in mobile edge computing

詹文翰 1王瑾 2朱清新 3段翰聪 4叶娅兰4
扫码查看

作者信息

  • 1. 电子科技大学信息与软件工程学院 成都6117311;电子科技大学计算机科学与工程学院,成都611731
  • 2. 埃克塞特大学计算机系,英国埃克塞特EX44RN
  • 3. 电子科技大学信息与软件工程学院 成都6117311
  • 4. 电子科技大学计算机科学与工程学院,成都611731
  • 折叠

摘要

针对移动边缘计算中具有依赖关系的任务的卸载决策问题,提出一种基于深度强化学习的任务卸载调度方法,以最小化应用程序的执行时间.任务调度的过程被描述为一个马尔可夫决策过程,其调度策略由所提出的序列到序列深度神经网络表示,并通过近端策略优化(proximal policy optimization)方法进行训练.仿真实验表明,所提出的算法具有良好的收敛能力,并且在不同环境下的表现均优于所对比的六个基线算法,证明了该方法的有效性和可靠性.

关键词

移动边缘计算/计算卸载/任务调度/深度强化学习

引用本文复制引用

基金项目

国家自然科学基金面上项目(61871096)

国家自然科学基金面上项目(61976047)

四川省科技厅重点研发项目(2019YFG0122)

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量10
参考文献量2
段落导航相关论文