移动边缘计算中基于图到序列深度强化学习的复杂任务部署策略

作     者：陈卓 操民涛 周致圆 黄欣 李彦 CHEN Zhuo;CAO Mintao;ZHOU Zhiyuan;HUANG Xin;LI Yan

作者机构：重庆理工大学计算机科学与工程学院重庆400054 重庆理工大学两江人工智能学院重庆401135 重庆凯瑞机器人技术有限公司重庆400799 中国移动通信集团重庆有限公司重庆401120 

基　　金：国家自然科学基金资助项目(No.62071077 No.61671096) 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2024年第45卷第3期

页      码：244-257页

摘      要：借助于移动边缘计算(MEC)和网络虚拟化技术,可使移动端将执行各类复杂应用所需的算力、存储和传输等资源需求就近卸载至边缘服务节点,从而获得更高效的服务体验。面向边缘服务商,研究其在进行复杂任务部署时所面临的能耗优化决策问题。首先将复杂任务部署于多个边缘服务节点的问题建模为混合整数规划(MIP)模型,然后提出了一种融合图到序列的深度强化学习(DRL)求解策略。该策略通过基于图的编码器设计提取并学习子任务间潜在的依赖关系,从而根据边缘服务节点的可用资源状态及使用率自动发现任务部署的通用模式,最终快速获得能耗优化的部署策略。在不同的网络规模中,将所提策略与具代表性的基准策略进行了全面对比。实验结果表明,所提策略在任务部署错误率、MEC系统总功耗和算法求解效率等方面均显著优于基准策略。

主 题 词：移动边缘计算 任务部署 深度强化学习 图神经网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11959/j.issn.1000−436x.2024058

馆 藏 号：203127460...