针对车联网中无人机辅助移动边缘计算场景下,基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题,该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先,通过联合优化任务卸载、计算与通信...针对车联网中无人机辅助移动边缘计算场景下,基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题,该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先,通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制,构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次,该文通过双层算法结构将深度强化学习与贪婪算法相结合,提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning,HHDRL)算法对问题求解,以降低训练复杂度并加快收敛。仿真结果表明,该算法在保持时延性能接近传统深度强化学习算法的同时,提升了收敛速度。展开更多
摘要针对车联网中无人机辅助移动边缘计算场景下,基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题,该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先,通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制,构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次,该文通过双层算法结构将深度强化学习与贪婪算法相结合,提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning,HHDRL)算法对问题求解,以降低训练复杂度并加快收敛。仿真结果表明,该算法在保持时延性能接近传统深度强化学习算法的同时,提升了收敛速度。