面向大规模多接入边缘计算场景的任务卸载算法

来源：电子与信息学报杂志2025年第1期北京时间：

作者：卢先领, 李德康

单位：江南大学物联网工程学院 无锡 214122

摘要：基于单智能体强化学习的任务卸载算法在解决大规模多接入边缘计算(MEC)系统任务卸载时，存在智能体之间相互影响，策略退化的问题。而以多智能体深度确定性策略梯度(MADDPG)为代表的传统多智能体算法的联合动作空间维度随着系统内智能体的数量增加而成比例增加，导致系统扩展性变差。为解决以上问题，该文将大规模多接入边缘计算任务卸载问题，描述为部分可观测马尔可夫决策过程(POMDP)，提出基于平均场多智能体的任务卸载算法。通过引入长短期记忆网络(LSTM)解决局部观测问题，引入平均场近似理论降低联合动作空间维度。仿真结果表明，所提算法在任务时延与任务掉线率上的性能优于单智能体任务卸载算法，并且在降低联合动作空间的维度情况下，任务时延与任务掉线率上的性能与MADDPG一致。

关键词：多接入边缘计算, 任务卸载, 强化学习, 多智能体算法, 平均场近似理论

基金资助：国家自然科学基金(61773181)