导
读
为了解决基于MEC的多用户任务迁移问题，提高移动用户之间的合作，作者提出了一个基于自适应权重的深度确定性策略梯度(AWDDPG)算法。在考虑迁移成本、QoS、频谱资源分配的情况下，将多用户任务迁移模型看作一个分散的部分可观察的马尔可夫决策过程(Dec-POMDP)。在迁移成本约的束下，将多用户任务迁移问题描述为一个最小化优化问题。作者提出了一个AWDDPG来解决这个优化问题，通过自适应采样权重提高采样效率，增加算法的收敛速度和稳定性。最后采用集中式训练分布式执行的方式来促进用户之间的协作通信。对于具有时延敏感和计算密集型应用的高动态场景，基于AWDDPG的方案可以快速做出迁移决策。真实的应用场景和仿真实验表明，作者所提出的算法可以快速达到稳定收敛，并且在迁移成本和任务平均完成时间方面表现较优。
文章信息
相关内容推荐：
基于移动边缘计算的车联网应用执行框架 2022 16(5)：165506
《前沿》系列英文学术期刊
由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。
《前沿》系列英文学术期刊 中国学术前沿期刊网 http://journal.hep.com.cn/ |
