计算机工程

作者：李强, 仪晋辉, 杜婷婷, 王胜春

单位：湖南师范大学 信息科学与工程学院, 长沙 410081

关键词：移动边缘计算,深度强化学习,依赖任务卸载,资源分配,能耗优化

基金：湖南省科技计划项目(2021GK5014,2019SK2161)。

在移动边缘计算中，移动设备通常受限于自身的处理性能和电源容量，需要其他设备协助进行任务处理。将移动设备上的一系列具有依赖关系的任务卸载到边缘服务器执行，以应对移动设备资源受限的问题，可提高任务计算和能源效率。针对信道状态动态变化的移动边缘计算环境下任务延迟和移动设备能耗优化问题，根据依赖任务卸载模型计算得出依赖任务调度顺序和优化目标，设计一种基于A3C的依赖任务卸载与资源分配（DTORA）算法。通过定义状态空间、动作空间和奖励函数，将依赖任务卸载问题转化为马尔可夫决策过程下的最优策略问题，采用异步并发求解得到高效的任务卸载和资源分配策略，并在具有标准多核CPU的单个机器上进行并行学习，降低神经网络参数更新的相关性，提升学习效果。实验结果表明，在信道状态动态变化场景下，对于多种不同依赖关系的任务，DTORA算法相比于4种基线算法任务延迟减少14%~61%，移动设备能耗降低8%~66%。

来源：2023年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第6期