Task-Driven Priority-Aware Computation Offloading Using Deep Reinforcement Learning

doi:10.1109/TWC.2025.3564356

Task-Driven Priority-Aware Computation Offloading Using Deep Reinforcement Learning

0

PRE

AI

DOI：10.1109/TWC.2025.3564356

原文链接

原文求助

摘要

En 中文

计算卸载是一种有效的方法，用于减轻网络压力并改善服务体验。然而，大多数现有的计算卸载研究是时隙驱动的，并将所有任务同等对待，导致决策等待延迟和未能完成某些重要任务。在本文中，我们基于任务延迟和能量消耗方面的结合，提出了一种以系统性能增益为优化目标的新型任务驱动、具有优先级感知的计算卸载模型。新模型被表述为马尔可夫决策过程（MDP）。考虑到优化问题的离散-连续混合动作空间，我们构建了一个依赖感知的潜在空间，并提出了一种基于双延迟深度确定性策略梯度算法（TD3）的新型算法。此外，我们介绍了神经网络结构并分析了算法的复杂性。广泛的仿真结果表明，我们的算法相较于三种当前最先进的替代方法表现出更优越的性能。

Keyword:

Computation offloading

edge computing

deep reinforcement learning

Task-Driven Priority-Aware Computation Offloading Using Deep Reinforcement Learning

摘要

期刊

机构

引用论文