隨著物聯(lián)網(wǎng)和車載網(wǎng)的普及與應(yīng)用,近用戶端（數(shù)據(jù)源端）的數(shù)據(jù)呈現(xiàn)爆炸式的增長。為了有效地處理這些快速增長的數(shù)據(jù),移動邊緣計算作為一種新的計算模式應(yīng)運而生。移動邊緣計算是指將云中心的部分資源下沉到網(wǎng)絡(luò)邊緣,使得數(shù)據(jù)能夠在網(wǎng)絡(luò)邊緣被處理。如何高效地卸載任務(wù)以及合理地分配資源,是目前移動邊緣計算研究領(lǐng)域中的一個熱點問題;然而現(xiàn)有的研究工作很少考慮到邊緣數(shù)據(jù)和計算節(jié)點的安全性,只有保證數(shù)據(jù)與信息的安全,移動邊緣計算才能全面發(fā)展。因此,基于數(shù)據(jù)的安全性,結(jié)合深度強化學(xué)習(xí)在多約束條件下提出了一種任務(wù)卸載和資源分配算法。實驗結(jié)果表明,該任務(wù)卸載算法與幾種經(jīng)典算法相比,有效地提高了任務(wù)卸載成功率、任務(wù)成功執(zhí)行率,降低了本地端能耗,更好地滿足了用戶的QoS需求。 

【文章來源】：計算機工程與科學(xué). 2020,42(10)北大核心CSCD

【文章頁數(shù)】：11 頁

【文章目錄】：
1 引言
2 相關(guān)工作
3 系統(tǒng)模型
    3.1 場景描述
    3.2 通信模型
    3.3 計算模型
        (1)本地計算模型。
        (2)邊緣服務(wù)器端計算模型。
    3.4 問題描述
4 算法設(shè)計
    4.1 深度強化學(xué)習(xí)
    4.2 Double DQN算法
        (1)值函數(shù)逼近。
        (2)經(jīng)驗回放。
        (3)雙Q網(wǎng)絡(luò)。
    4.3 Double DQN任務(wù)卸載算法設(shè)計
        (1)狀態(tài)空間。
        (2)動作空間。
        (3)獎勵值函數(shù)。
5 仿真實驗及性能分析
    5.1 仿真環(huán)境
    5.2 實驗參數(shù)
    5.3 對比算法
    5.4 實驗結(jié)果及分析
        (1) 收斂性。
        (2) 任務(wù)卸載對比實驗。
        (3) 任務(wù)執(zhí)行情況對比實驗。
        (4) UE端能耗實驗。
6 結(jié)束語


【參考文獻】：
期刊論文
[1]移動邊緣計算環(huán)境下的動態(tài)資源分配策略[J]. 朱新峰,張智浩,王彥凌.  計算機工程與科學(xué). 2019(07)
[2]一種云環(huán)境下基于混合型BBO的任務(wù)調(diào)度算法[J]. 童釗,陳洪劍,陳明,梅晶,劉宏.  計算機工程與科學(xué). 2018(05)
[3]邊緣計算:萬物互聯(lián)時代新型計算模型[J]. 施巍松,孫輝,曹杰,張權(quán),劉偉.  計算機研究與發(fā)展. 2017(05)
[4]基于馬爾科夫決策過程的車載邊緣計算切換策略[J]. 李波,牛力,彭紫藝,黃鑫,丁洪偉.  計算機工程與科學(xué). 2020(05)



本文編號：3207941