计算机工程

作者：陈清林, 邝祝芳

单位：中南林业科技大学 计算机与信息工程学院, 长沙 410018

关键词：移动边缘计算,深度强化学习,任务卸载,服务缓存,资源分配

基金：国家自然科学基金（62072477，61309027）；国家重点研发计划（2018YFB1700200）；湖南省自然科学基金（2018JJ3888）；湖南省教育厅优秀青年项目（18B197）；智慧物流技术湖南省重点实验室课题项目（2019TP1015）。

当计算任务被转移到移动边缘计算（MEC）服务器上时，通过服务缓存能够降低获取和初始化服务应用程序的实时时延和带宽成本。此外，体验质量是驱动卸载决策的关键因素，有效利用有限的计算资源能够提升用户满意度。考虑一个边缘服务器帮助移动用户执行一系列计算任务的场景，建立混合整数非线性规划问题，提出一种基于深度确定性策略梯度（DDPG）的算法来联合优化服务缓存位置、计算卸载决策和资源分配，从而提高用户对服务的体验质量，最大化用户使用计算资源所节约的成本。仿真结果表明，该算法在提高用户体验质量和节约成本方面较使用无缓存策略、随机选择策略和无缓存随机选择策略的算法性能更优。

来源：2021年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第10期