.png){kind=icon}
返回
Prune-Based Deep Reinforcement Learning Offloading Algorithm for Mobile Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/TCCN.2025.3620385.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）中的任务卸载策略旨在通过将任务卸载到边缘服务器来降低移动设备的计算延迟和能耗，这对提升MEC系统性能和用户体验至关重要。近期的研究工作主要集中于利用深度强化学习（DRL），但基于DRL的任务卸载策略由于问题复杂度较高，难以在有限迭代次数内实现最优决策。因此，为应对复杂度挑战，本文提出了一种基于剪枝的深度强化学习卸载算法（PDOA）以增强MEC系统性能。首先，我们构建了动态MEC系统模型，并将任务卸载问题表述为马尔可夫决策过程，以最小化MEC系统的总成本。接着，我们提出了一种基于剪枝的DRL卸载算法，通过剪枝DRL模型来降低复杂度、提高学习效率，从而降低系统成本。实验结果表明，与其它方法相比，PDOA显著降低了MEC系统的计算成本，并将系统成本降低了超过10%。该优化方法为DRL模型在MEC中的应用提供了新的研究视角。
Keyword:
Mobile edge computing
task offloading
Markov decision process
deep reinforcement learning
prune
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K
机构
引用论文
.png){kind=icon}
Energy-Efficient Computation Offloading Based on Multiagent Deep Reinforcement Learning for Industrial Internet of Things Systems基于多agent深度强化学习的工业物联网节能计算卸载
PREAI
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Com-DDPG: Task Offloading Based on Multiagent Reinforcement Learning for Information-Communication-Enhanced Mobile Edge Computing in the Internet of VehiclesCom-ddpg: 基于多agent强化学习的任务卸载，用于车联网中的信息通信增强型移动边缘计算
PREAI
分享收藏QECO: A QoE-Oriented Computation Offloading Algorithm Based on Deep Reinforcement Learning for Mobile Edge ComputingQECO：一种面向用户体验质量的基于深度强化学习的移动边缘计算计算卸载算法
PREAI
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
查看更多内容