【标题】Graph Reinforcement Learning-based CNN Inference Offloading in Dynamic Edge Computing

【作者团队】Nan Li, Alexandros Iosifidis, Qi Zhang

【发表日期】2022.10.24

【论文链接】https://arxiv.org/pdf/2210.13464.pdf

【推荐理由】本文研究了动态多访问边缘计算 (MEC) 网络中 CNN 推理的计算卸载。 为了解决通信时间和边缘服务器可用容量的不确定性，本文使用提前退出机制来提前终止计算以满足推理任务的截止日期。 作者设计了一个奖励函数来权衡通信、计算和推理精度，并将 CNN 推理的卸载问题表述为最大化问题，目标是长期最大化平均推理精度和吞吐量。 为了解决最大化问题，本文提出了一种基于图强化学习的早期退出机制（GRLE），它优于最先进的工作，基于深度强化学习的在线卸载（DROO）及其增强方法 DROO 在不同的动态场景下具有提前退出机制（DROOE）。 实验结果表明，GRLE 的平均精度比图强化学习 (GRL) 高 3.41 倍，比 DROOE 高 1.45 倍，这显示了 GRLE 在动态 MEC 中卸载决策的优势。

内容中包含的图片若涉及版权问题，请及时与我们联系删除