典型文献
一种基于深度强化学习的任务卸载方法
文献摘要：
随着车联网的快速发展,车载应用大多是计算密集和延迟敏感的.车辆是资源受限的设备,无法为这些应用提供所需的计算和存储资源.边缘计算通过将计算和存储资源提供给网络边缘的车辆,有望成为满足低延迟需求的有效解决方案.这种将任务卸载到边缘服务器的计算模式不仅可以克服车辆资源的不足,还可以避免将任务卸载到云可能导致的高延迟.提出了一种基于深度强化学习的任务卸载方法,以最小化任务的平均完成时间.首先,把多任务卸载决策问题规约为优化问题.其次,使用深度强化学习对优化问题进行求解,以获得具有最小完成时间的优化卸载策略.最后,实验结果表明,该方法的性能优于其他基准方法.
文献关键词：
任务卸载;车联网;边缘计算;深度学习;强化学习
中图分类号：
作者姓名：
高宇豆;黄祖源;王海燕;保富;张航;李辉
作者机构：
云南电网有限责任公司信息中心,云南昆明650214;西南林业大学大数据与智能工程学院,云南昆明650224
文献出处：
引用格式：
[1]高宇豆;黄祖源;王海燕;保富;张航;李辉-.一种基于深度强化学习的任务卸载方法)[J].电子技术应用,2022(08):29-33
A类：
B类：
深度强化学习,任务卸载,车联网,车载,资源受限,存储资源,边缘计算,资源提供,供给网络,网络边缘,低延迟,载到,边缘服务器,计算模式,完成时间,多任务,卸载决策,决策问题,规约,优化问题,使用深度,卸载策略,基准方法
AB值：
0.364132
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。
