电讯技术

作者：杨黎明,金宇峰,黄淼

单位：(重庆邮电大学 通信与信息工程学院，重庆 400065)

关键词：低轨卫星；移动边缘计算；资源分配；深度强化学习；决策卸载；

基金：重庆市自然科学基金面上项目(cstc2021jcyj-msxmX0454)

考虑到不同用户任务和计算能力差异，并综合低地球轨道（Low Earth Orbit,LEO）卫星移动和资源限制等因素，针对多颗LEO卫星覆盖场景下的多用户任务决策卸载问题，提出了一种基于深度强化学习（Deep Reinforcement Learning,DRL）的决策卸载和资源分配策略，对系统的耗时和能耗进行优化。决策卸载问题设置为一个离散的有效状态的单用户决策选择问题，采用深度强化学习进行求解。采用拉格朗日乘子法和梯度投影法处理资源分配问题。仿真结果表明，该策略在75次迭代回合后能达到收敛，与其他策略相比，系统成本下降约50%、34%和19%。

来源：2024年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第9期