基于深度Q学习的工业多任务资源分配方案

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：工业生产活动中的多任务并发卸载过程会利用大量计算资源,但是多源异构的任务需要执行的时间存在差异,系统的计算资源和网络负载等情况也会极大地影响任务资源分配的方案.文章针对上述问题进行研究,首先设计模型模拟实际工业场景并分析资源分配过程;然后使用DQN算法以最大化任务完成数量为目标,对每个任务进行资源分配;最后通过分析算法性能为工业智能制造应用提供理论依据.实验仿真结果表明,文章提出的资源分配方案比平均分配方案性能更高,更适用于多任务卸载的时变的工业环境中.

作者：

王松烨

展开 >

作者单位：

湖南工业大学,湖南株洲 412007

关键词：

边缘计算资源分配智能制造深度Q学习

基金：

湖南省研究生创新基金

项目编号：

CX20201050

出版年：

2022

企业科技与发展

广西科学技术情报研究所

企业科技与发展

CHSSCD

影响因子：0.331

ISSN：1674-0688

年,卷(期)：2022.(4)

参考文献量7