计算机应用研究

作者：杨昆仑,王茂励,王亚林,马旭,

单位：1.曲阜师范大学计算机学院,山东日照276826；2.曲阜师范大学网络空间安全学院,山东曲阜273165；

关键词：云边协同计算,任务卸载,能耗优化,二次申请,DQN,

基金：国家自然科学基金资助项目(61802227)；山东省农业重大应用技术创新项目(SD2019NJ007)；；

现有的任务卸载策略通常在一个时隙内制定卸载决策，没有考虑多个卸载时隙间的内在联系，因此无法根据任务的实际需求进行卸载。针对该问题，提出了一种基于深度强化学习的任务二次申请卸载策略（DQN-TSAO）。首先提出了一种支持任务进行二次申请卸载的云边端三层架构，建立了任务卸载优先级模型、时延模型和能耗模型；然后以最小化系统能耗为目标，将能耗优化问题转变为最大累积卸载奖励的马尔可夫决策过程；最后通过DQN-TSAO算法提取各个时隙的任务卸载特征，使任务在与环境不断交互的过程中获得多个时隙内的最佳卸载决策。仿真结果表明DQN-TSAO算法能够有效降低一段时间内的系统总能耗。

来源：2022年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第12期