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

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 combined 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。