计算机应用研究

作者：白文超,卢先领,

单位：江南大学物联网工程学院,江苏无锡214122；

关键词：边缘计算,任务卸载,边缘服务器部署,分层强化学习,

基金：国家自然科学基金资助项目(61773181)；；

在移动边缘计算中，边缘服务器部署位置的固定性容易产生边缘服务器资源利用率不平衡的问题，从而导致任务卸载过程中时延与能耗的增加。针对该问题，提出了一种基于分层强化学习的联合优化算法。首先，将边缘服务器放置与任务卸载问题分解并转换为双马尔可夫决策过程。然后，利用深度Q网络构建上层边缘服务器部署的全局智能体模型，通过引入K-means算法为上层策略提供高质量样本加速模型收敛。利用多智能体近端策略优化算法构建下层任务卸载多智能体模型，通过引入状态归一化减少下层策略状态的特征尺度差异，提高训练稳定性，最后，通过上下层策略的交替优化达到最终的优化目标。仿真实验结果表明，所提算法能够获得最优服务器部署与任务卸载策略，相比随机策略与其他强化学习算法，该算法在模型训练效率、目标奖励和负载均衡指标方面具有更高效益。

来源：2025年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第6期