文献类型：期刊文章

作　　者：杜剑波[1,2] 胥娇[1,2] 姜静[2,3] 曾耀平[1,2] 金蓉[1,2] 何华[1,2]

DU Jianbo;XU Jiao;JIANG Jing;ZENG Yaoping;JIN Rong;HE Hua(School of Communications and Information Engineering,Xi’an University of Posts and Telecommunications,Xi’an 710121,China;Shaanxi Key Laboratory of Information Communication Network and Security,Xi’an 710121,China;Office of Academic Research,Xi’an University of Posts and Telecommunications,Xi’an 710121,China)

机构地区：[1]西安邮电大学通信与信息工程学院,陕西西安710121 [2]陕西省信息通信网络及安全重点实验室,陕西西安710121 [3]西安邮电大学科研处,陕西西安710121

出　　处：《西安邮电大学学报》

基　　金：国家自然科学基金项目(62271391);陕西省教育厅服务地方专项科研项目(21JC032)。

年　　份：2023

卷　　号：28

期　　号：6

起止页码：1-11

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：针对物联网设备在任务处理过程中能耗高及来自不同运营商的实体之间缺乏信任等问题,提出一种区块链驱动的边缘计算(Multi-access Edge Computing,MEC)系统联合优化算法。构建多接入边缘计算网络架构,其中基站作为边缘节点,同时兼具区块链子系统共识节点的功能。在可信性保证及用户服务质量保障的前提下,通过联合优化接入控制及计算资源分配策略,降低物联网设备的平均总能耗。考虑到网络的动态特性和信息获取的不确定性,将问题重建为马尔可夫决策过程,并采用基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的自适应决策算法求解。仿真结果表明,与随机接入算法和演员评论家算法相比,该算法能有效地降低网络能耗,提高DDPG智能体的长期平均累积奖励。

关 键 词：多接入边缘计算  区块链 马尔可夫决策过程 深度确定性策略梯度算法  网络能耗

分 类 号：TN929.5] TP18]