计算机应用研究

作者：杨桂松,李相霏,何杏宇,

单位：上海理工大学a.光电信息与计算机工程学院;b.出版印刷与艺术设计学院,上海200093；

关键词：边缘计算,卫星物联网,计算卸载,深度强化学习,排队论,

基金：国家自然科学基金资助项目(61602305,61802257)；上海市自然科学基金资助项目(18ZR1426000,19ZR1477600)；；

边缘计算与卫星物联网相融合，可以将本地物联网设备产生的任务在靠近边缘端进行处理，极大地缓解了本地物联网设备的计算压力。然而，鉴于卫星物联网中计算任务具有多样性，由于任务特性不同需求也不同，针对每一种任务类型部署一套计算卸载策略会导致计算资源的浪费。此外，由于卫星物联网中计算任务产生具有随机性，如果仅考虑系统短期优化会导致计算设备的计算资源利用不足，进一步导致任务处理时延的增加。为解决上述问题，提出了一种基于 DQN（deep Q-network） 多类型任务计算卸载策略，该策略引入排队论以最小化长期系统任务处理平均时延，并且为提升模型训练结果，在训练阶段重新设计了探索机制。最后，大量仿真结果表明，与其他卸载策略相比，所提策略能有效降低系统任务处理的平均时延。

来源：2024年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第11期