基于DRL的MEC任务卸载与资源调度算法

薛宁¹, 霍如^1,2, 曾诗钦³, 汪硕^2,3, 黄韬^2,3

1. 北京工业大学 北京未来网络科技高精尖创新中心, 北京 100124;
2. 网络通信与安全紫金山实验室, 南京 211111;
3. 北京邮电大学 网络与交换技术国家重点实验室, 北京 100876

收稿日期:2019-07-11出版日期:2019-12-28发布日期:2019-11-15
通讯作者:霍如(1988-),女,讲师,E-mail:huoru@bjut.edu.cn.E-mail:huoru@bjut.edu.cn
作者简介:薛宁(1994-),男,硕士生.
基金资助:国家自然科学基金项目（61902033）；未来网络操作系统发展战略研究（2019-XY-5）

Tasks Offloading and Resource Scheduling Algorithm Based on Deep Reinforcement Learning in MEC

XUE Ning¹, HUO Ru^1,2, ZENG Shi-qing³, WANG Shuo^2,3, HUANG Tao^2,3

1. Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology, Beijing 100124, China;
2. Purple Mountain Laboratories, Nanjing 211111, China;
3. State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2019-07-11Online:2019-12-28Published:2019-11-15

摘要/Abstract

摘要： 为提高多接入边缘计算（MEC）任务卸载效率，提出了一个任务卸载和异构资源调度的联合优化模型.考虑异构的通信资源和计算资源，联合最小化用户的设备能耗、任务执行时延和付费，并利用深度强化学习（DRL）算法对该模型求最优的任务卸载算法.仿真结果表明，该优化算法比银行家算法的设备能耗、时延和付费的综合指标提升了27.6%.
中图分类号:
TP393

引用本文

薛宁, 霍如, 曾诗钦, 汪硕, 黄韬. 基于DRL的MEC任务卸载与资源调度算法[J]. 北京邮电大学学报, 2019, 42(6): 64-69,104.
XUE Ning, HUO Ru, ZENG Shi-qing, WANG Shuo, HUANG Tao. Tasks Offloading and Resource Scheduling Algorithm Based on Deep Reinforcement Learning in MEC[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(6): 64-69,104.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4609