DRL任务卸载策略

低带宽下显著降耗

一种融合负载均衡、压缩与深度强化学习的能效任务卸载方法，在低信道带宽条件下相比本地执行和传统卸载显著降低系统总能耗。

Zhao, Lihui · Zhang, Ji · Bah, Mohamed Jaward · 李朝 · Josh Jia-Ching, Ying · Muthanna, Ammar · Elgendy, Ibrahim A.

Arabian Journal for Science and Engineering 2025

参数信息

本地执行场景下能耗降低最高

63.96 %

卸载场景下能耗降低最高

61.87 %

技术优势

信道不必升级

在低带宽可用性场景下仍能实现显著节能，无需增加信道容量。

近最优解且可扩展

针对NP难问题采用深度学习技术求得近最优解，且适用于实际MEC环境。

应用场景

• 边缘AI：边缘AI任务部署时无需扩充信道，在低带宽下也能省电运行。
• 物联网能效：多IoT设备协同卸载时，联合优化降低整体能耗。
• 计算卸载：替代传统卸载策略，减少因信道过载导致的额外能耗。