移动边缘计算中基于深度强化学习的计算卸载调度方法

来源：计算机应用研究杂志2021年第1期北京时间：

作者：詹文翰,王瑾,朱清新,段翰聪,叶娅兰,

单位：1.电子科技大学a.信息与软件工程学院;b.计算机科学与工程学院,成都611731；2.埃克塞特大学计算机系,英国埃克塞特EX44RN；

摘要：针对移动边缘计算中具有依赖关系的任务的卸载决策问题，提出一种基于深度强化学习的任务卸载调度方法，以最小化应用程序的执行时间。任务调度的过程被描述为一个马尔可夫决策过程，其调度策略由所提出的序列到序列深度神经网络表示，并通过近端策略优化（proximal policy optimization）方法进行训练。仿真实验表明，所提出的算法具有良好的收敛能力，并且在不同环境下的表现均优于所对比的六个基线算法，证明了该方法的有效性和可靠性。

关键词：移动边缘计算,计算卸载,任务调度,深度强化学习,

基金资助：国家自然科学基金面上项目(61871096,61976047)；四川省科技厅重点研发项目(2019YFG0122)；；