Indexed by：
Abstract：
本发明公开了基于图神经网络和深度强化学习的时序依赖型业务卸载方法，对一个多用户多服务器的MEC系统进行了建模研究，用户产生的应用是动态到达的，且应用的大小、形状是任意的，组成应用的时序依赖型任务可以卸载到其服务基站所在MEC服务器，也可以卸载到其他相邻基站的MEC服务器。我们利用图神经网络更加有效地捕获了时序依赖型业务和应用的特征状态。将细粒度卸载问题建模为马尔可夫过程，利用深度强化学习的策略梯度算法进行决策，在复杂且高维的状态空间中优化任务选择的顺序和卸载的位置来降低系统中应用的调度时间。仿真证明，该算法在减少应用程序调度时间方面具有良好的收敛性，优于其他基准算法，从而提高了MEC系统的效率。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202310425029.3
Filing Date： 2023-04-20
Publication Date： 2023-07-18
Pub. No.： CN116450241A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
