.png){kind=icon}
返回
Temporal dependency task offloading via deep reinforcement learning for mobile edge computing
.png){kind=icon}
PRE
AI
DOI：10.1007/s12083-025-02101-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在移动边缘计算（MEC）环境中，将计算任务卸载到边缘设备可以减少延迟和能耗，从而提升用户体验。在实际应用场景中，一些复杂计算任务通常表现出时间依赖性，这意味着一个任务的执行依赖于先前已完成任务的结果。在卸载此类任务时，需要同时考虑任务的执行顺序和任务间的数据依赖关系，这增加了任务卸载问题的建模与求解复杂度。因此，本文通过综合考量任务间的通信开销、卸载延迟和能耗，构建了具有时间依赖性的任务卸载模型。此外，提出了一种基于深度Q网络（DQN）的算法来解决时间依赖性任务卸载模型。针对时间依赖性任务卸载场景设计了相应的状态空间、动作空间及优化的奖励函数，以加速算法收敛。最后，真实数据集上的实验结果表明，本文提出的方法能够在各类时间依赖性任务卸载场景中保持较强性能的同时，实现更优的能耗效率卸载决策。
Keyword:
Mobile edge computing
Task offloading
Temporal dependency
Deep reinforcement learning
期刊
IF:
2.6
论文数:
2.2K
被引数:
2.9K
机构
引用论文
Energy conserving cost selection for fine-grained computational offloading in mobile edge computing networks移动边缘计算网络中细粒度计算卸载的节能成本选择
.png){kind=icon}
PREAI
分享收藏Energy-efficient edge intelligence for task-dependency MEC power grid networksYang, C.; Xie, B.; Li, Y.; Li, J.; Liu, C. 面向任务依赖型MEC电力网网络的节能边缘智能. Wirel. Netw. 2025, 31, 1813–1823. [Google Scholar] [CrossRef]
PREAI
分享收藏
分享收藏Digital Twin-Driven Intelligent Task Offloading for Collaborative Mobile Edge Computing面向协作移动边缘计算的数字孪生驱动智能任务卸载
OAAI
OAAI分享收藏A Survey of Computational Intelligence for 6G: Key Technologies, Applications and Trends6g计算智能研究综述: 关键技术、应用与趋势
PREAI
分享收藏A multi-user mobile edge computing task offloading and trajectory management based on proximal policy optimization基于邻近策略优化的多用户移动边缘计算任务卸载和轨迹管理
PREAI
分享收藏
查看更多内容