边端协同场景下的深度强化学习任务卸载方法

摘要

针对现有部分任务卸载方法未考虑排队时延及训练过程采样效率低等问题，提出了一种基于多智能体深度强化学习的任务卸载方法.首先，综合考虑任务量、服务资源、队列的负载情况等因素建立面向时延和能耗联合优化的边端协同卸载模型，其次，将该模型表述为马尔可夫决策过程，目标为最小化系统的总成本.然后引入优先经验回放机制和重要性采样对多智能体深度确定性策略梯度算法进行改进，利用长期环境信息高效探索任务卸载的最优解决方案.最后，将本文算法与基于MADDPG、D3QN、DQN和随机卸载算法的性能进行了比较，仿真结果表明，所提出的算法在各项指标上表现更优.

关键词

移动边缘计算 / 任务卸载 / 多智能体 / 优先经验回放