.png){kind=icon}
返回
An Efficient Computing Offloading for Network Resources in IoT Big Data Using Deep Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1002/spe.70057.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景 物联网（IoT）生态系统的快速增长产生了大量异构大数据，对网络延迟、设备能耗和计算资源造成了巨大负担。传统的云中心架构由于传输延迟高和资源协调效率低，无法满足当前物联网应用所需的高响应性需求。目标 为克服这些限制，本文提出了一种基于深度强化学习（DRL）的智能任务卸载系统，该系统在优势演员-评论家（A2C）框架上实现。方法 将卸载问题建模为马尔可夫决策过程（MDP），并定义描述任务和设备电池特性、信道及服务器使用情况的状态变量。A2C智能体动态学习在设备与边缘层、雾与云层之间分配计算的最佳策略，并联合优化延迟、能耗和资源利用率。系统在包含异构物联网设备、移动性和随机无线条件的真实模拟环境中进行测试。结果 实验结果表明，与本地执行、贪婪卸载和基于DQN的学习等基线策略相比，所提出的框架可将平均延迟降低高达76%，设备级能耗降低74%。该框架还提高了任务按时完成率和工作负载在计算层间的分配，显著增强了可扩展性、系统鲁棒性和大规模物联网应用部署的整体服务质量（QoS）。结论 研究发现表明，演员-评论家DRL在协助下一代物联网应用方面具有潜力，涵盖智能城市、医疗健康监测和工业自动化等多个领域。
Keyword:
big data
deep reinforcement learning (DRL)
edge computing
energy efficiency
Internet of Things (IoT)
latency reduction
network resource optimization
task offloading
期刊
S
IF:
2.7
论文数:
48
被引数:
0
机构
引用论文
A QoS-Aware Technique for Computation Offloading in IoT-Edge Platforms Using a Convolutional Neural Network and Markov Decision Process使用卷积神经网络和马尔可夫决策过程在IoT边缘平台中进行计算卸载的QoS感知技术.png)
IT PROFESSIONAL
IT PROFESSIONALIF2.6
PREAI
分享收藏A comprehensive survey on reinforcement-learning-based computation offloading techniques in Edge Computing Systems边缘计算系统中基于强化学习的计算卸载技术综述
OAAI
OAAI分享收藏Latency-Aware and Energy-Efficient Task Offloading in IoT and Cloud Systems with DQN Learning基于DQN学习的物联网与云系统中感知延迟和节能的任务卸载electronics
OAAI
electronicsIF0
OAAI分享收藏Digital Twin-empowered intelligent computation offloading for edge computing in the era of 5G and beyond: A state-of-the-art survey数字孪生赋能的边缘计算智能计算卸载：5G及未来时代的现状调查ICT EXPRESSOAAI
ICT EXPRESSIF4.2
OAAI分享收藏Machine Learning in Real-Time Internet of Things (IoT) Systems: A Survey实时物联网 (IoT) 系统中的机器学习: 一项调查
PREAI
分享收藏A Mixed-Integer Bi-Level Model for Joint Optimal Edge Resource Pricing and Provisioning一种混合整数双层模型，用于联合最优边缘资源定价和供应
PREAI
分享收藏Distributed computing in multi-agent systems: a survey of decentralized machine learning approachesCOMPUTING
COMPUTINGIF2.8
PREAI
分享收藏
查看更多内容