.png){kind=icon}
返回
Edge Computing Task Offloading Algorithm Based on Distributed Multi-Agent Deep Reinforcement Learning
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14204063.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为一种对地面计算的重要补充，边缘计算能够有效减轻地面系统的计算负担。在边缘计算与低地球轨道卫星网络集成的背景下，本文提出了一种基于分布式多智能体深度强化学习（DMADRL）的边缘计算任务卸载算法，以应对任务卸载中的挑战，包括低传输速率、低任务完成率和长延迟。首先，构建了地面-无人机-低地球轨道（GUL）三层架构以提高卸载传输速率。其次，将任务卸载问题分解为两个子问题：卸载决策和资源分配。前者采用分布式多智能体深度Q网络解决，将问题建模为马尔可夫决策过程，通过在线网络和目标网络迭代优化Q值估计，使智能体能够根据地面和卫星负载情况自主决策，利用经验回放缓冲区存储样本，并通过全局奖励反馈实现全局优化。后者采用梯度下降法，根据累积任务数据量和剩余资源动态更新分配策略，同时通过迭代收敛误差反馈调整分配。仿真结果表明，所提出的算法将平均传输速率提高了21.7%，与基准算法相比，平均任务完成率至少提升22.63%，平均任务处理延迟至少降低11.32%，从而显著提升了整体系统性能。
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
暂无期刊信息
机构
引用论文
分享收藏Multi-Agent DRL for Task Offloading and Resource Allocation in Multi-UAV Enabled IoT Edge Network
PREAI
分享收藏Computation Offloading in LEO Satellite Networks With Hybrid Cloud and Edge Computing混合云和边缘计算在LEO卫星网络中的计算卸载
PREAI
分享收藏分享收藏Deep Reinforcement Learning for Task Offloading in Mobile Edge Computing Systems移动边缘计算系统中任务卸载的深度强化学习OAAI
OAAI分享收藏SatEC: A 5G Satellite Edge Computing Framework Based on Microservice ArchitectureSatEC: 一种基于微服务架构的5g卫星边缘计算框架.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Xu, S.; Liu, J.; Tang, J.; Liu, X.; Li, Z. Multi objective reinforcement learning driven task offloading algorithm for satellite edge computing networks. Sci. Rep. 2025, 15, 24045. [Google Scholar] [CrossRef]徐, S.; 刘, J.; 汤, J.; 刘, X.; 李, Z. 多目标强化学习驱动的卫星边缘计算网络任务卸载算法. Sci. Rep. 2025, 15, 24045. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容