移动边缘网络中基于强化学习的部分卸载分析

为解决边缘计算环境中多用户卸载问题,提出了一种基于强化学习的部分任务卸载方法,将二进制计算卸载扩展到连续动作域,从而更好地达到最小的时延,即采用Q-learning算法进行离散卸载决策,并基于深度确定性策略梯度算法(deep deterministic policy gradient algorithm for partial-offloading,DDPG-PO)连续卸载决策.实验结果表明所上述方法相较现有方法,提高了决策的准确性和实效性,能更好地降低时延.