基于SAC的多服务移动边缘计算中任务卸载和资源配置算法

打开文本图片集

摘要：多服务移动边缘计算网络环境中的不同服务的缓存要求、受欢迎程度、计算要求以及从用户传输到边缘服务器的数据量是随时间变化的。如何在资源有限的边缘服务器中调整总服务类型的缓存子集，并确定任务卸载目的地和资源分配决策，以获得最佳的系统整体性能是一个具有挑战性的问题。为了解决这一难题，首先将优化问题转换为马尔可夫决策过程，然后提出了一种基于软演员—评论家（softactor-critic，SAC）的深度强化学习算法来同时确定服务缓存和任务卸载的离散决策以及上下带宽和计算资源的连续分配决策。（剩余10216字）