计算机应用

作者：张俊娜, 王欣新, 李天泽, 赵晓焱, 袁培燕

单位：河南师范大学 计算机与信息工程学院，河南 新乡 453007

关键词：边缘计算,动态服务缓存,任务卸载,计算资源分配,服务多样性

基金：国家自然科学基金资助项目(62072159);河南省科技攻关项目(232102211061)

针对服务缓存和任务卸载联合优化中，由于缺乏对用户服务请求多样性和动态性的综合考虑而导致的用户体验质量降低问题，提出一种基于动态服务缓存辅助的任务卸载方法。首先，针对边缘服务器执行缓存服务动作空间较大的问题，重新定义了动作，并筛选出最优的动作集合以提高算法训练的效率；其次，设计一种改进的多智能体Q-Learning算法学习最优的服务缓存策略；再次，将任务卸载问题转换为凸优化问题，利用凸优化工具获得最优解；最后，利用拉格朗日对偶法求得最优的计算资源分配策略。为了验证所提方法的有效性，基于真实数据集进行了充分的实验。实验结果表明，对比Q-Learning、双层深度Q网络（D2QN）以及多智能体深度确定性策略梯度（MADDPG）方法，所提方法的响应时间分别降低了8.5%、11.8%和12.6%，平均体验质量分别提高了1.5%、2.7%和4.3%。

来源：2024年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第5期