MEC中卸载决策与资源分配的深度强化学习方法

来源：计算机工程杂志2021年第8期北京时间：

作者：杨天, 杨军

单位：宁夏大学 信息工程学院, 宁夏 银川 750021

摘要：在移动边缘计算（MEC）服务器计算资源有限且计算任务具有时延约束的情况下，为缩短任务完成时间并降低终端能耗，提出针对卸载决策与资源分配的联合优化方法。在多用户多服务器MEC环境下设计一种新的目标函数以构建数学模型，结合深度强化学习理论提出改进的Nature Deep Q-learning算法Based DQN。实验结果表明，在不同目标函数中，Based DQN算法的优化效果优于全部本地卸载算法、随机卸载与分配算法、最小完成时间算法和多平台卸载智能资源分配算法，且在新目标函数下优势更为突出，验证了所提优化方法的有效性。

关键词：移动边缘计算,计算资源,时延约束,卸载决策,资源分配,深度强化学习

基金资助：宁夏自然科学基金“基于边缘计算的大规模无线传感器网络关键技术研究及在特色农业中的应用”（2020AAC03036）。