声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1267/TN
国际刊号：1001-893X
发布日期:
作者：郑会吉,余思聪,邱鑫源,崔翛龙
单位：(武警工程大学 a.信息工程学院;b.反恐指挥信息工程联合实验室,西安 710086)
关键词：移动边缘计算(MEC)；自适应卸载；元强化学习；
基金：国家自然科学基金资助项目(U1603261)
计算卸载是移动边缘网络中的一个关键问题，基于深度学习的算法为高效生成卸载策略提供了一种解决方法。但考虑到移动终端设备的动态性以及不同任务场景之间的转换，需要大量的训练数据和较长的训练时间重新训练神经网络模型，即这些方法对新环境的适应能力较弱。针对这些不足，提出了一种基于元强化学习（Meta Reinforcement Learning,MRL）的自适应卸载方法，先对外部模型进行预训练，处理具体任务时再基于外部模型训练内部模型。该方法能快速适应具有少量梯度更新的样本的新环境。仿真实验表明，该算法能够适应新的任务场景，效果良好。
来源：2024年第2期
《电讯技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。