【标题】Deep Reinforcement Learning for Online Latency Aware Workload Offloading in Mobile Edge Computing

【作者团队】Zeinab Akhavan, Mona Esmaeili, Babak Badnava

【发表日期】2022.10.29

【论文链接】https://arxiv.org/pdf/2209.05191.pdf

【推荐理由】由于物联网（IoT）设备的资源受限特性，将任务从物联网设备卸载到附近的移动边缘计算（MEC）服务器不仅可以节省物联网设备的能量，还可以减少执行任务的响应时间 . 然而，由于 MEC 服务器的计算资源有限，将任务卸载到最近的 MEC 服务器可能不是最佳解决方案。 因此，联合优化卸载决策和资源管理至关重要，但仍有待探索。 这里，卸载决策是指在哪里卸载任务，资源管理是指 MEC 服务器中有多少计算资源分配给任务。 通过考虑任务在通信和计算队列中的等待时间（大多数现有工作都忽略了这一点）以及任务优先级，本文提出了基于深度强化学习的卸载决策和资源管理(DECENT) 算法，它利用优势 actor critic 方法为每个到达的任务实时优化卸载决策和计算资源分配，这样可以最小化累积加权响应时间。

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