风险与延迟双减
将现代投资组合理论融入深度强化学习，把任务卸载建模为投资组合，在优化平均延迟的同时主动规避极端延迟风险，让每个用户获得多样化的边缘服务器选择，保障延迟敏感型应用的可靠性。
Stone · Su, Xiang · Wang, Huangdong · Tarkoma, Sasu · Hui, Pan
IEEE Transactions on Mobile Computing 2023
优化目标同时包含平均延迟和风险，使每个用户的卸载决策多样化，不会把任务全部押在某个服务器上导致个别任务超时。
算法为每个移动用户计算一个卸载决策组合，而不是全局统一策略，适应不同用户的任务特性。