移动边缘网络中基于双深度Q学习的高能效资源分配方法

TN929.5; 为了提升移动边缘网络中系统的能量使用效率,面向多任务、多终端设备、多边缘网关、多边缘服务器共存网络架构的下行通信过程,提出了一种基于双深度Q学习(DDQL)的通信、计算、存储融合资源分配方法.以任务平均能耗最小化为优化目标,设置任务时延和通信、计算、存储资源限制等约束条件,构建了对应的资源分配模型.依据模型特征,基于DDQL框架,提出了适用于通信和计算资源智能决策、存储资源按需分配的资源分配模型和算法.仿真结果表明,所提出的基于DDQL资源分配方法可以有效地解决多任务资源分配问题,具有较好的收敛性和较低的时间复杂度,在保障业务服务质量的同时,相对于基于随机算法、贪心算法、粒子...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 41; no. 12; pp. 148 - 161
Main Authors 喻鹏, 张俊也, 李文璟, 周凡钦, 丰雷, 付澍, 邱雪松
Format Journal Article
LanguageChinese
Published 北京邮电大学网络与交换技术国家重点实验室,北京 100876%重庆大学微电子与通信工程学院,重庆 400044 25.12.2020
Subjects
融合资源分配
移动边缘网络
双深度Q学习
高能效
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2020218

Cover

More Information
Summary:TN929.5; 为了提升移动边缘网络中系统的能量使用效率,面向多任务、多终端设备、多边缘网关、多边缘服务器共存网络架构的下行通信过程,提出了一种基于双深度Q学习(DDQL)的通信、计算、存储融合资源分配方法.以任务平均能耗最小化为优化目标,设置任务时延和通信、计算、存储资源限制等约束条件,构建了对应的资源分配模型.依据模型特征,基于DDQL框架,提出了适用于通信和计算资源智能决策、存储资源按需分配的资源分配模型和算法.仿真结果表明,所提出的基于DDQL资源分配方法可以有效地解决多任务资源分配问题,具有较好的收敛性和较低的时间复杂度,在保障业务服务质量的同时,相对于基于随机算法、贪心算法、粒子群优化算法、深度Q学习等方法,降低了至少5％的任务平均能耗.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2020218