典型文献
三层移动网络体系中基于DRL的卸载策略研究
文献摘要：
在用户设备、边缘计算服务器和云服务器构成的三层移动网络体系中,如何高效地进行任务卸载是一个重要的问题.针对移动边缘计算(MEC)中多用户多服务器环境下的长时延和高能耗问题,提出一种基于深度强化学习(DRL)算法的三层移动网络架构,将卸载决策问题模型化为约束条件下的最优化问题.结合深度强化学习理论,利用改进的A3C(IA3C)算法求解.仿真结果表明:与深度Q网络(DQN)、全本地卸载算法、全边缘卸载算法相比,在设备数量、MEC计算能力和用户数据量三个方面,提出的卸载策略均能更有效地降低总成本.
文献关键词：
移动边缘计算;三层移动网络体系;任务卸载;异步优势动作评价;深度强化学习
中图分类号：
作者姓名：
葛海波;赵其实;车虹葵;李照宇
作者机构：
西安邮电大学电子工程学院,陕西西安710121
文献出处：
引用格式：
[1]葛海波;赵其实;车虹葵;李照宇-.三层移动网络体系中基于DRL的卸载策略研究)[J].传感器与微系统,2022(08):60-63,67
A类：
三层移动网络体系,IA3C,边缘卸载,异步优势动作评价
B类：
DRL,卸载策略,用户设备,边缘计算服务器,云服务器,任务卸载,移动边缘计算,MEC,多用户,多服务器,长时延,高能耗,能耗问题,深度强化学习,网络架构,卸载决策,决策问题,问题模型,模型化,最优化问题,学习理论,DQN,全本,计算能力,用户数据,数据量,总成本
AB值：
0.287669
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。
