典型文献
基于强化学习的边缘计算网络资源在线分配方法
文献摘要：
针对边缘计算应用对实时性的要求,引入软件定义网络和网络功能虚拟化技术对边缘计算网络进行重构.基于此,考虑以最大化长期平均实时任务处理成功率为目标的计算和通信资源在线分配问题.通过建立马尔可夫决策过程模型,提出基于Q学习的资源在线分配方法.Q学习在状态动作空间较大时内存占用大且会发生维度灾难,鉴于此,进一步提出基于DQN的资源在线分配方法.实验结果表明,所提出算法能够较快收敛,且DQN算法相较于Q学习和其他基准方法能够获得更高的实时任务处理成功率.
文献关键词：
边缘计算;资源分配;实时任务;马尔可夫决策过程;Q学习;深度强化学习
中图分类号：
作者姓名：
李燕君;蒋华同;高美惠
作者机构：
浙江工业大学计算机科学与技术学院,杭州310023
文献出处：
引用格式：
[1]李燕君;蒋华同;高美惠-.基于强化学习的边缘计算网络资源在线分配方法)[J].控制与决策,2022(11):2880-2886
A类：
B类：
边缘计算网络,网络资源,分配方法,边缘计算应用,软件定义网络,网络功能虚拟化,虚拟化技术,实时任务,任务处理,通信资源,分配问题,立马,马尔可夫决策过程,过程模型,动作空间,内存占用,维度灾难,DQN,快收敛,基准方法,资源分配,深度强化学习
AB值：
0.335222
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。
