Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Resource Allocation for Mobile Edge Computing System Considering User Mobility with Deep Reinforcement Learning Peruntukan Sumber untuk Sistem Pengkomputeran Tepi Mudah Alih Mempertimbangkan Mobiliti Pengguna dengan Pembelajaran Peneguhan Dalam

Kairi TOKUDA, Takehiro SATO, Eiji OKI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Pengkomputeran tepi mudah alih (MEC) ialah teknologi utama untuk menyediakan perkhidmatan yang memerlukan kependaman rendah dengan memindahkan fungsi awan ke pinggir rangkaian. Potensi kualiti rendah saluran wayarles harus diperhatikan apabila pengguna mudah alih dengan sumber pengkomputeran terhad memunggah tugas ke pelayan MEC. Untuk meningkatkan kebolehpercayaan penghantaran, adalah perlu untuk melaksanakan peruntukan sumber dalam pelayan MEC, dengan mengambil kira kualiti saluran semasa dan pertikaian sumber. Terdapat beberapa karya yang mengambil pendekatan pembelajaran pengukuhan mendalam (DRL) untuk menangani peruntukan sumber tersebut. Walau bagaimanapun, pendekatan ini mempertimbangkan bilangan pengguna tetap yang memunggah tugas mereka, dan tidak menganggap situasi di mana bilangan pengguna berbeza-beza disebabkan oleh mobiliti pengguna. Kertas kerja ini mencadangkan model pembelajaran pengukuhan mendalam untuk MEC Resource Allocation with Dummy (DMRA-D), model pembelajaran dalam talian yang menangani peruntukan sumber dalam pelayan MEC di bawah situasi di mana bilangan pengguna berbeza-beza. Dengan menggunakan keadaan/tindakan tiruan, DMRA-D mengekalkan perwakilan keadaan/tindakan. Oleh itu, DMRA-D boleh terus mempelajari satu model tanpa mengira variasi dalam bilangan pengguna semasa operasi. Keputusan berangka menunjukkan bahawa DMRA-D meningkatkan kadar kejayaan penyerahan tugas sambil meneruskan pembelajaran di bawah situasi di mana bilangan pengguna berbeza-beza.

Jawatankuasa
IEICE TRANSACTIONS on Communications Vol.E107-B No.1 pp.173-184
Tarikh penerbitan
2024/01/01
Diumumkan
2023/10/06
ISSN dalam talian
1745-1345
DOI
10.1587/transcom.2023EBP3043
Jenis Manuskrip
PAPER
kategori
rangkaian

Pengarang

Kairi TOKUDA
  Kyoto University
Takehiro SATO
  Kyoto University
Eiji OKI
  Kyoto University

Kata kunci

Contents [show]