.png){kind=icon}
返回
Multi-agent deep reinforcement learning based multi-task partial computation offloading in mobile edge computing☆
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2025.107861.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）可以通过在网络边缘提供计算卸载服务来提升终端设备的计算性能。然而，考虑到终端设备和边缘服务器均具有有限的计算资源，低效的卸载策略可能导致系统过载，从而增加任务计算延迟。本文研究了一个结合队列模型的多任务部分计算卸载问题。基于实现MEC系统内的负载均衡，我们的目标是在确保任务延迟阈值的前提下，最小化终端设备的长期平均任务处理成本。为此，提出了一种利用多智能体深度强化学习（MADRL）方法的分布式卸载算法。具体而言，通过与环境交互并积累经验数据，设备智能体能够协同优化其局部卸载决策，包括在动态无线信道条件下调整传输功率和确定任务卸载比例。全面的实验结果表明，与基准算法相比，所提出的卸载算法不仅能更好地平衡终端设备和MEC服务器之间的计算负载，还能更有效地降低终端设备的任务处理成本，以及减少任务超时比例。
Keyword:
Mobile edge computing
Partial computation offloading
Load-balancing
Multi-agent reinforcement learning
期刊
F
IF:
6.1
论文数:
6.9K
被引数:
2.3W
机构
引用论文
Stackelberg game-based task offloading and pricing with computing capacity constraint in mobile edge computing移动边缘计算中基于Stackelberg博弈的任务卸载和定价与计算能力约束
PREAI
分享收藏A collaborative optimization strategy for computing offloading and resource allocation based on multi-agent deep reinforcement learning基于多agent深度强化学习的计算卸载与资源分配协同优化策略
PREAI
分享收藏Multi-UAV cooperative maneuver decision-making for pursuit-evasion using improved MADRL.png)
DEFENCE TECHNOLOGY
OAAI
DEFENCE TECHNOLOGYIF5.9
OAAI分享收藏DeepMECagent: multi-agent computing resource allocation for UAV-assisted mobile edge computing in distributed IoT systemAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Optimization of cooperative offloading model with cost consideration in mobile edge computingSOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
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