典型文献
边云协同场景下基于强化学习的精英分层任务卸载策略研究
文献摘要：
随着5G的发展以及应用程序功能的丰富,应用程序对终端设备的计算能力提出了更高的要求,为了提高终端设备对应用程序的计算能力,降低任务的处理时间,针对移动边缘计算环境,提出了一种边云协同的任务卸载方式,并设计了基于强化学习的精英分层进化算法(RL-EHEA,elite hierarchical evolutionary algorithm com-bined with reinforcement learning)进行卸载决策,使多个具有依赖关系与截止时间的任务对计算资源竞争.结果表明,与遗传算法(GA,genetic algorithm)和精英遗传算法(EGA,elite genetic algorithm)相比,RL-EHEA能缩短任务的处理时间,得到更优的资源分配策略.
文献关键词：
移动边缘计算;任务卸载;边云协同;进化算法;串行任务
中图分类号：
作者姓名：
方娟;叶志远;张梦媛;史佳眉;滕自怡
作者机构：
北京工业大学信息学部,北京 100124
文献出处：
引用格式：
[1]方娟;叶志远;张梦媛;史佳眉;滕自怡-.边云协同场景下基于强化学习的精英分层任务卸载策略研究)[J].物联网学报,2022(01):91-100
A类：
计算资源竞争,串行任务
B类：
边云协同,同场,强化学习,任务卸载,卸载策略,应用程序,终端设备,计算能力,处理时间,移动边缘计算,边缘计算环境,层进,进化算法,RL,EHEA,elite,hierarchical,evolutionary,algorithm,com,bined,reinforcement,learning,卸载决策,依赖关系,截止时间,genetic,EGA,资源分配策略
AB值：
0.366703
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
