.png){kind=icon}
返回
Task offloading based on deep reinforcement learning in edge computing network
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07940-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网应用正快速增长，这对资源受限的用户设备（UE）提出了对实时、计算密集型处理严苛的要求。移动边缘计算通过在网络边缘启用计算并在边缘容量不足时利用云资源来应对这一挑战。然而，大多数现有的任务卸载策略依赖静态或瞬时资源状态，限制了其对具有波动工作负载和异构资源的高度动态环境的适应性。为克服这一局限，本研究提出了一种预测和自适应的任务卸载决策框架，该框架整合了基于LSTM的资源预测与基于DDQN的卸载策略。具体而言，所提出的TODRL整合了基于长短期记忆（LSTM）的资源分配与协同UE–边缘–云卸载。这种预测能力使系统能够预见资源可用性并优化调度延迟敏感和计算密集型任务。该问题被表述为一个动态优化目标，旨在最小化加权系统成本，综合考虑时延、能耗、服务成本和任务接受率。大量模拟结果表明，TODRL始终优于现有最优基准，实现了更低的能耗、减少的任务执行延迟以及提升的系统效用，验证了将资源预测与强化学习相结合以实现自适应边缘计算的有效性。
Keyword:
Internet of things
Mobile edge computing
Task offloading
LSTM
Double DQN
Reinforcement learning
Energy efficiency
Latency
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
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Towards optimal edge resource utilization: Predictive analytics and reinforcement learning for task offloading实现最佳边缘资源利用率: 用于任务卸载的预测分析和强化学习.png)
INTERNET OF THINGS
INTERNET OF THINGSIF7.6
PREAI
分享收藏Mining consuming Behaviors with Temporal Evolution for Personalized Recommendation in Mobile Marketing Apps移动营销app中基于时间演化的消费行为挖掘及个性化推荐
PREAI
分享收藏Optimization of lightweight task offloading strategy for mobile edge computing based on deep reinforcement learning基于深度强化学习的移动边缘计算轻量级任务卸载策略优化
PREAI
分享收藏TOFDS: A Two-Stage Task Execution Method for Fake News in Digital Twin-Empowered Socio-Cyber World
PREAI
分享收藏A Deep-Reinforcement-Learning-Based Computation Offloading With Mobile Vehicles in Vehicular Edge Computing车载边缘计算中基于深度强化学习的移动车辆计算卸载
PREAI
分享收藏Reinforcement learning-based computation offloading in edge computing: Principles, methods, challenges边缘计算中基于强化学习的计算卸载: 原理、方法、挑战
PREAI
分享收藏
查看更多内容