文献类型：期刊文章

作　　者：陈思光[1,2] 陈佳民[1,3] 赵传信[2]

CHEN Si-guang;CHEN Jia-min;ZHAO Chuan-xin(Jiangsu Engineering Research Center of Communications and Network Technology,Nanjing University of Posts and Telecommunications,Nanjing,Jiangsu 210003,China;Anhui Provincial Key Laboratory of Network and Information Security,Anhui Normal University,Wuhu,Anhui 241002,China;Jiangsu Key Lab of Broadband Wireless Communication and Internet of Things,Nanjing University of Posts and Telecommunications,Nanjing,Jiangsu 210003,China)

机构地区：[1]南京邮电大学江苏省通信与网络技术工程研究中心,江苏南京210003 [2]安徽师范大学网络与信息安全安徽省重点实验室,安徽芜湖241002 [3]南京邮电大学江苏省宽带无线通信和物联网重点实验室,江苏南京210003

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61971235,No.61771258,No.61871412);江苏省“六大人才高峰”高层次人才项目(No.XYDXXJS-044);江苏省“333高层次人才培养工程”;南京邮电大学“1311”人才计划;中国博士后科学基金(面上一等)(No.2018M630590);南京邮电大学国家自然科学基金孵化项目(No.NY217057,No.NY218058);网络与信息安全安徽省重点实验室开放课题(No.AHNIS2020001);江苏省通信与网络技术工程研究中心开放课题重点项目(No.JSGCZX17011);赛尔网络下一代互联网技术创新项目(No.NGII20190702)。

年　　份：2021

卷　　号：49

期　　号：1

起止页码：157-166

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于单一边缘节点计算、存储资源的有限性及大数据场景对高效计算服务的需求,本文提出了一种基于深度强化学习的云边协同计算迁移机制.具体地,基于计算资源、带宽和迁移决策的综合性考量,构建了一个最小化所有用户任务执行延迟与能耗权重和的优化问题.基于该优化问题提出了一个异步云边协同的深度强化学习算法,该算法充分利用了云边双方的计算能力,可有效满足大数据场景对高效计算服务的需求;同时,面向边缘云中边缘节点所处环境的多样及动态变化性,该算法能自适应地调整迁移策略以实现系统总成本的最小化.最后,大量的仿真结果表明本文所提出的算法具有收敛速度快、鲁棒性高等特点,并能够以最低的计算成本获得近似贪心算法的最优迁移决策.

关 键 词：深度强化学习  边缘计算  计算迁移  资源分配 能量消耗

分 类 号：TP393]