三层移动网络体系中基于DRL的卸载策略研究

在用户设备、边缘计算服务器和云服务器构成的三层移动网络体系中,如何高效地进行任务卸载是一个重要的问题。针对移动边缘计算(MEC)中多用户多服务器环境下的长时延和高能耗问题,提出一种基于深度强化学习(DRL)算法的三层移动网络架构,将卸载决策问题模型化为约束条件下的最优化问题。结合深度强化学习理论,利用改进的A3C(IA3C)算法求解。仿真结果表明:与深度Q网络(DQN)、全本地卸载算法、全边缘卸载算法相比,在设备数量、MEC计算能力和用户数据量三个方面,提出的卸载策略均能更有效地降低总成本。