| 一種基于深度強化學習的任務卸載方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>535 K | |
| 標簽： 任務卸載 車聯網 邊緣計算 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：隨著車聯網的快速發展，車載應用大多是計算密集和延遲敏感的。車輛是資源受限的設備，無法為這些應用提供所需的計算和存儲資源。邊緣計算通過將計算和存儲資源提供給網絡邊緣的車輛，有望成為滿足低延遲需求的有效解決方案。這種將任務卸載到邊緣服務器的計算模式不僅可以克服車輛資源的不足，還可以避免將任務卸載到云可能導致的高延遲。提出了一種基于深度強化學習的任務卸載方法，以最小化任務的平均完成時間。首先，把多任務卸載決策問題規約為優化問題。其次，使用深度強化學習對優化問題進行求解，以獲得具有最小完成時間的優化卸載策略。最后，實驗結果表明，該方法的性能優于其他基準方法。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2