计算机应用研究

作者：杨桂松,桑健,

单位：上海理工大学光电信息与计算机工程学院,上海200093；

关键词：移动群智感知,边缘计算,数据汇聚,计算卸载,资源分配,深度强化学习,

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)；；

当前“云-端”式移动群智感知（mobile crowd sensing，MCS）系统面临负载过重的问题，导致数据汇聚过程中时延和能耗显著增加，从而降低了数据汇聚的效率。针对该问题，提出了一种基于AP-DQN的“云-边-端”MCS计算卸载算法。首先，考虑时延和能耗的均衡优化建立效用函数，以最大化系统效用作为优化目标。其次，优化P-DQN算法，提出一种联合资源分配的计算卸载算法AP-DQN，结合MCS优势，将空闲用户作为卸载设备之一。最后，使用该方法求解问题。实验结果显示，与已有算法相比，该方法能有效提高数据汇聚效率，并具有很好的稳定性。

来源：2024年第9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9期