典型文献
WSN中基于强化学习的能效优化任务处理机制
文献摘要：
以提高无线传感器网络中任务处理的能效为目标,提出了一种近似最优化的任务处理机制,无线传感器节点可根据任务缓存区的任务数量、信道条件,动态地实现任务向边缘服务器的卸载以及本地处理.将任务处理机制建模为马尔可夫决策过程,因为无线传感器节点不知道此过程的状态转移概率,所以采用A3C算法以实现在环境参数未知情况下的探索和学习,从而得到近似最优的任务处理策略.仿真结果表明,与其他机制相比,所提任务处理机制能提高节点能效,且收敛速度更快.
文献关键词：
无线传感器网络;移动边缘计算;马尔可夫决策过程;强化学习
中图分类号：
作者姓名：
张明杰;朱江
作者机构：
重庆邮电大学通信与信息工程学院,移动通信教育部工程研究中心,移动通信技术重庆市重点实验室,重庆400065
文献出处：
引用格式：
[1]张明杰;朱江-.WSN中基于强化学习的能效优化任务处理机制)[J].信号处理,2022(03):609-618
A类：
B类：
WSN,强化学习,能效优化,任务处理,处理机制,无线传感器网络,无线传感器节点,缓存区,信道,现任,边缘服务器,卸载,马尔可夫决策过程,状态转移概率,A3C,环境参数,处理策略,提任,高节,收敛速度,移动边缘计算
AB值：
0.279778
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
