.png){kind=icon}
返回
A DRL-Based Partial Offloading Strategy for WP-MEC With Multiple Access Points
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2026.3659886.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无线能量传输（WPT）与移动边缘计算（MEC）的集成通过使物联网（IoT）设备能够从射频（RF）信号中获取能量并将数据卸载到边缘服务器，为克服IoT设备的能量和计算限制提供了有效解决方案。无线供能MEC（WP-MEC）网络中的一个关键挑战是如何高效优化卸载决策和资源分配以提升整体系统性能。本文研究了一个由多个混合接入点（HAPs）组成的WP-MEC网络中的部分卸载策略。该优化问题被表述为一个混合整数非线性规划（MINLP）问题，变量包括WPT持续时间、卸载决策和能量分配。为解决该问题，我们提出了一种基于深度强化学习（DRL）的框架，该框架采用结合卷积和全连接层的神经网络架构输出卸载决策。此外，我们设计了一种用于联合优化WPT持续时间和卸载比例的优化算法。数值结果表明，所提出的方法比现有的DRL方法性能更优，证明了所提方法的有效性。
Keyword:
Deep reinforcement learning (DRL) method
mobile edge computing (MEC)
partial offloading
wireless power transfer (WPT)
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
.png){kind=icon}
Online Edge Learning Offloading and Resource Management for UAV-Assisted MEC Secure Communications
PREAI
分享收藏Distributed Multiagent Reinforcement Learning Approach for Multiserver Multiuser Task Offloading多服务器多用户任务卸载的分布式多agent强化学习方法
PREAI
分享收藏Distributed Computation Offloading for Energy Provision Minimization in WP-MEC Networks with Multiple HAPs多接入点WP-MEC网络中用于能源供应最小化的分布式计算卸载
OAAI
OAAI分享收藏Deep Reinforcement Learning for Online Computation Offloading in Wireless Powered Mobile-Edge Computing Networks用于无线供电的移动边缘计算网络中在线计算卸载的深度强化学习
OAAI
OAAI分享收藏Intelligent Reflecting Surface Empowered Physical-Layer Security: Signal Cancellation or Jamming?
PREAI
分享收藏
查看更多内容