一種基于深度強化學習的任務卸載方法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大小：535 K
標簽： 任務卸載 車聯(lián)網(wǎng) 邊緣計算
所需積分：0分積分不夠怎么辦？
文檔介紹：隨著車聯(lián)網(wǎng)的快速發(fā)展，車載應用大多是計算密集和延遲敏感的。車輛是資源受限的設(shè)備，無法為這些應用提供所需的計算和存儲資源。邊緣計算通過將計算和存儲資源提供給網(wǎng)絡邊緣的車輛，有望成為滿足低延遲需求的有效解決方案。這種將任務卸載到邊緣服務器的計算模式不僅可以克服車輛資源的不足，還可以避免將任務卸載到云可能導致的高延遲。提出了一種基于深度強化學習的任務卸載方法，以最小化任務的平均完成時間。首先，把多任務卸載決策問題規(guī)約為優(yōu)化問題。其次，使用深度強化學習對優(yōu)化問題進行求解，以獲得具有最小完成時間的優(yōu)化卸載策略。最后，實驗結(jié)果表明，該方法的性能優(yōu)于其他基準方法。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。