一种基于深度强化学习的任务卸载方法AET-电子技术应用-最丰富的电子设计资源平台

一种基于深度强化学习的任务卸载方法
所属分类：技术论文
上传者：aetmagazine
文档大小：535 K
标签：任务卸载车联网边缘计算
所需积分：0分积分不够怎么办？
文档介绍：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。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动