-
题名基于改进深度强化学习的边缘计算服务卸载算法
被引量：4
- 1
-
-
作者
曹腾飞
刘延亮
王晓英
-
机构
青海大学计算机技术与应用系
-
出处
《计算机应用》
CSCD
北大核心
2023年第5期1543-1550,共8页
-
基金
国家自然科学基金资助项目(62101299,62162053)
青海省自然科学基金资助项目(2020‑ZJ‑943Q)。
-
文摘
在边缘计算(EC)网络中,针对边缘节点计算资源和存储空间有限的问题,提出一种基于改进深度强化学习(DRL)的边缘计算服务卸载(ECSO)算法,以降低节点处理时延和提高服务性能。具体来说,将边缘节点服务卸载问题转化为资源受限的马尔可夫决策过程(MDP),利用DRL算法解决边缘节点的请求状态转移概率难以精确预测的问题;考虑到边缘节点执行缓存服务的状态动作空间过大,定义新的动作行为替代原有动作,并依据提出的动作筛选算法得到最优动作集合,以改进计算动作行为奖励值的过程,进而大幅度降低动作空间大小,提高算法训练的效率以及收益。仿真实验结果表明,对比原深度Q网络(DQN)算法、邻近策略优化(PPO)算法以及传统的最流行(MP)算法,ECSO算法的总奖励值分别提升了7.0%、12.7%和65.6%,边缘节点服务卸载时延分别降低了13.0%、18.8%和66.4%,验证了算法的有效性,说明ECSO能有效提升边缘计算服务的卸载性能。
-
关键词
边缘计算
缓存服务
服务卸载
深度强化学习
动作行为奖励
-
Keywords
Edge Computing(EC)
caching service
service offloading
Deep Reinforcement Learning(DRL)
action behavior reward
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
