.png){kind=icon}
返回
Hyper-Dimensional Computing Powered DRL for Task Offloading in Edge-Enabled Consumer Electronics
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2026.3656226.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动边缘计算（MEC）实现了将计算任务从消费电子设备（CEs）委托给边缘服务器。这种卸载过程显著降低了与CEs相关的延迟和能耗。然而，基于深度强化学习（DRL）的卸载技术由于任务本身的固有复杂性，往往难以在有限的迭代次数内达到最优解。针对这一挑战，本文提出了一种将DRL与高维网络（HDN）相结合的任务卸载方法，旨在提高MEC系统的效率。首先，我们建立了MEC系统的动态模型，并制定了旨在最小化MEC累积成本的任务卸载问题。随后，我们提出了一种基于HDN原理的卸载算法。实验结果表明，与替代方法相比，HDN与DRL相结合能够显著降低MEC系统的计算开销。与基准算法相比，所提出的HDN增强型DRL在能耗、延迟和系统开销方面分别降低了10.3%、14.5%和10%。
Keyword:
Mobile edge computing
consumer electronics
DRL
task offloading
hyper-dimensional computing
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
分享收藏分享收藏Massive MIMO-NOMA Based MEC in Task Offloading for Delay Minimization基于Massive mimo-noma的任务卸载中最小化延迟的MEC.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Deep Reinforcement Learning-based computation offloading and distributed edge service caching for Mobile Edge Computing基于深度强化学习的计算卸载和分布式边缘服务缓存用于移动边缘计算
PREAI
分享收藏分享收藏
查看更多内容