.png){kind=icon}
返回
Virtual Machine Placement in Edge Computing Based on Multi-Objective Reinforcement Learning
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14030633.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着物联网（IoT）的普及，移动边缘计算（MEC）服务器的能耗也在不断上升。一些重要的物联网应用，如自动驾驶、智能制造和智能穿戴设备，具有高实时性要求，这使得边缘计算必须降低任务响应延迟。虚拟机（VM）放置可以有效降低虚拟机请求的响应延迟和MEC服务器的能耗。然而，现有工作并未考虑优化目标权重系数的选择以及解的可行性。此外，这些算法在标量化目标函数时未考虑目标间的数量级差异。为克服上述问题，本文提出了一种基于强化学习（RL）的边缘计算虚拟机放置算法EVMPRL。我们的目标是找到实现虚拟机请求响应延迟与MEC服务器能耗之间权衡的帕累托近似解集。EVMPRL基于切比雪夫标量化函数，能够高效解决目标权重系数选择问题。EVMPRL能够始终在可行域内搜索解，这可通过将能满足当前虚拟机请求的服务器选为下一步动作来保证。此外，EVMPRL对标量Q值进行标量化而非目标函数，从而避免了先前工作中因优化目标间数量级差异导致某一目标对最终结果影响过小的问题。最后，我们进行实验证明EVMPRL在目标达成和解集质量方面优于当前最优算法。
Keyword:
reinforcement learning
edge computing
virtual machine placement
multi-objective optimization
latency
energy saving
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
分享收藏FSMFA: Efficient firmware-secure multi-factor authentication protocol for IoT devices.png)
INTERNET OF THINGS
INTERNET OF THINGSIF7.6
PREAI
分享收藏GCP: A multi-strategy improved wireless sensor network model for environmental monitoringGCP：一种多策略改进的无线传感器网络模型用于环境监测
PREAI
分享收藏A Resource Allocation Scheme for Edge Computing Network in Smart City Based on Attention MechanismOAAI
OAAI分享收藏
查看更多内容