.png){kind=icon}
返回
Mobile edge computing task offloading strategy for two-layer satellite network based on deep reinforcement learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06044-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
考虑到地面移动设备（MDs）计算需求的激增以及地面网络覆盖不足，本文提出了一种基于LEO-MEO双层卫星网络的协同边缘计算架构，以解决偏远地区和灾害场景中的计算卸载挑战。LEO卫星具有覆盖范围广和低延迟的优势，而MEO卫星能够提供更稳定的计算资源。为此，本文创新性地构建了一种动态任务调度机制，优先将延迟敏感型任务分配给LEO卫星，并将计算密集型任务卸载至MEO卫星，以实现资源效率与服务质量的平衡。为优化动态网络环境下的任务卸载决策，本文提出了一种D3QN-LSTM智能卸载算法，结合LSTM模块预测MEO负载趋势，采用Dueling网络和Double Q-learning提高动作选择精度和学习稳定性，并设计了多目标奖励函数以协调任务生存时间、能耗和延迟的约束。此外，考虑到卫星网络的通信限制，本文设计了一种分布式学习框架，通过参数共享机制减少通信开销，并在链路中断时增强决策可靠性。仿真结果表明，所提方案在计算延迟、能耗和系统稳定性方面显著优于传统方法，为空天地协同计算提供了高效解决方案。
Keyword:
Satellite network
Edge computing
Computational task offloading
Deep reinforcement learning
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
Service-Oriented SAGIN With Pervasive Intelligence for Resource-Constrained Users.png)
IEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏Cooperative Task Offloading and Service Caching for Digital Twin Edge Networks: A Graph Attention Multi-Agent Reinforcement Learning Approach数字孪生边缘网络的协同任务卸载和服务缓存: 一种图注意多智能体强化学习方法
PREAI
分享收藏分享收藏Deep Reinforcement Learning for Energy-Efficient Computation Offloading in Mobile-Edge Computing面向移动边缘计算节能计算卸载的深度强化学习
PREAI
分享收藏Graph-Represented Computation-Intensive Task Scheduling Over Air-Ground Integrated Vehicular Networks基于图表示的空地集成车载网络计算密集型任务调度
PREAI
分享收藏Multi-agent reinforcement learning based computation offloading and resource allocation for LEO Satellite edge computing networks基于多智能体强化学习的低轨卫星边缘计算网络计算卸载和资源分配
PREAI
分享收藏Collaborative Task Offloading Optimization for Satellite Mobile Edge Computing Using Multi-Agent Deep Reinforcement Learning基于多Agent深度强化学习的卫星移动边缘计算协同任务卸载优化
PREAI
分享收藏
查看更多内容