D3DQN-CAA:一种基于DRL的自适应边缘计算任务调度方法

摘要： 为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题，更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度，在改进深度强化学习模型D3DQN(Dueling Double DQN)的基础上，提出了自适应边缘计算任务调度方法 D3DQN-CAA.在任务卸载决策时，将任务与处理器的对应关系看作一个多维背包问题，根据... （共13页）