双强化学习卸载算法

时延能耗双减半

联合决定卸载决策、CPU频率与发射功率，在长期运行中同时最小化任务时延与设备能耗。

Liao, Linbo · 赖永炫 · 杨帆 · 曾文华

Journal of Parallel and Distributed Computing 2023

参数信息

时延降低

48 %

能耗降低

53 %

技术优势

时延能耗双减

通过双强化学习分别优化功率和卸载，同时降低任务的时延和设备的能耗。

自适应在线决策

联合考虑任务队列、信道状态和任务信息，动态调整卸载和资源分配，无需预先知道任务到达模式。

训练效率更高

提出自适应优先级经验回放算法，提高模型训练效率，加快收敛。

应用场景

• 边缘计算卸载：服务器可部署此算法为多设备提供低时延、低能耗的计算卸载决策。
• 移动设备能效：通过联合优化CPU频率和发射功率，延长移动设备的电池寿命。
• 在线任务调度：算法在线处理任务队列，实时做出调度与资源分配决策。