.png){kind=icon}
返回
Deep Reinforcement Learning for Task Offloading in Mobile Edge Computing Systems
.png){kind=icon}
OA
AI
DOI：10.1109/TMC.2020.3036871.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在移动边缘计算系统中，当大量移动设备将其任务卸载到边缘节点时，边缘节点可能具有高负载。这些卸载的任务可能会经历较大的处理延迟，甚至在其截止期限到期时被丢弃。由于边缘节点处的不确定负载动态，每个设备以分散的方式确定其卸载决定 (即，是否卸载，以及它应该将其任务卸载到哪个边缘节点) 是具有挑战性的。在这项工作中，我们考虑了不可分割和延迟敏感的任务以及边缘负载动态，并制定了任务卸载问题，以最大程度地减少预期的长期成本。我们提出了一种基于无模型深度强化学习的分布式算法，其中每个设备都可以在不知道其他设备的任务模型和卸载决策的情况下确定其卸载决策。为了改善算法中长期成本的估计，我们结合了长短期记忆 (LSTM)，决斗深度Q网络 (DQN) 和双DQN技术。仿真结果表明，与现有的几种算法相比，该算法可以更好地利用边缘节点的处理能力，显著降低任务丢包率和平均时延。
Keyword:
Task analysis
Mobile handsets
Delays
Heuristic algorithms
Mobile computing
Edge computing
Distributed algorithms
Mobile edge computing
computation offloading
resource allocation
deep reinforcement learning
deep Q-learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
.png){kind=icon}
分享收藏Study of bi-directional buck-boost converter topologies for application in electrical vehicle motor drives应用于电动汽车电机驱动的双向buck-boost变换器拓扑研究
PREAI
分享收藏Hierarchical Fog-Cloud Computing for IoT Systems: A Computation Offloading Game物联网系统的分层雾云计算: 计算卸载游戏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
查看更多内容