典型文献
基于深度强化学习的海洋移动边缘计算卸载方法
文献摘要：
海洋信息系统网络节点之间的强异构特性为海洋移动边缘计算任务卸载优化带来了复杂高维度的限制条件,同时复杂多样化的海事应用会导致海洋网络局部区域出现计算任务的超负荷处理.为实现海洋网络节点计算任务的最佳卸载与资源优化,满足网络低时延、高可靠的应用服务需求,提出基于多尺度异构特征属性的海洋网络节点分层归类方法和基于深度强化学习的海洋移动边缘计算卸载方法.仿真结果表明,所提方法较传统方法能够在海洋信息系统下有效地降低网络节点的计算任务卸载时延,并且能够在大规模任务流下保持海洋网络的稳健性.
文献关键词：
海洋信息系统;边缘计算;计算任务卸载;功率与计算资源分配;深度强化学习
中图分类号：
作者姓名：
苏新;孟蕾蕾;周一青;CELIMUGE Wu
作者机构：
河海大学物联网工程学院,江苏常州 231022;中国科学院计算技术研究所处理器芯片全国重点实验室,北京 100190;中国科学院大学计算机科学与技术学院,北京 100190;日本电气通信大学信息理工学, 东京 182-8585
文献出处：
引用格式：
[1]苏新;孟蕾蕾;周一青;CELIMUGE Wu-.基于深度强化学习的海洋移动边缘计算卸载方法)[J].通信学报,2022(10):133-145
A类：
海洋信息系统,功率与计算资源分配
B类：
深度强化学习,移动边缘计算,计算卸载,信息系统网络,网络节点,计算任务卸载,高维度,限制条件,海事,局部区域,超负荷,资源优化,低时延,高可靠,应用服务,异构特征,特征属性,卸载时延,流下
AB值：
0.238572
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。
