边云协同场景下基于强化学习的精英分层任务卸载策略研究

摘要：

随着5G的发展以及应用程序功能的丰富,应用程序对终端设备的计算能力提出了更高的要求,为了提高终端设备对应用程序的计算能力,降低任务的处理时间,针对移动边缘计算环境,提出了一种边云协同的任务卸载方式,并设计了基于强化学习的精英分层进化算法(RL-EHEA,elite hierarchical evolutionary algorithm com-bined with reinforcement learning)进行卸载决策,使多个具有依赖关系与截止时间的任务对计算资源竞争.结果表明,与遗传算法(GA,genetic algorithm)和精英遗传算法(EGA,elite genetic algorithm)相比,RL-EHEA能缩短任务的处理时间,得到更优的资源分配策略.

关键词：移动边缘计算、任务卸载、边云协同、进化算法、串行任务

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;北京市自然科学基金资助项目

在线出版日期：2022-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：91-100