Asignación Inteligente de Recursos para Computación en el Borde Móvil: Un Enfoque de Aprendizaje por Refuerzo Profundo

El desarrollo de dispositivos móviles con capacidades de comunicación y percepción en mejora ha dado lugar a una proliferación de numerosas aplicaciones móviles complejas y que requieren mucho cálculo. Los dispositivos móviles con recursos limitados enfrentan limitaciones de capacidad más severas que nunca. Como un nuevo concepto de arquitectura de red y una extensión de la computación en la nube, la Computación en el Borde Móvil (MEC) parece ser una solución prometedora para enfrentar este desafío emergente. Sin embargo, MEC también tiene algunas limitaciones, como el alto costo de despliegue y mantenimiento de infraestructura, así como la presión severa que el complejo y mutante entorno de computación en el borde ejerce sobre los servidores MEC. En este punto, cómo asignar recursos de computación y de red de manera racional para satisfacer los requisitos de los dispositivos móviles bajo las cambiantes condiciones de MEC se ha convertido en una gran aporía. Para combatir este problema, proponemos un esquema de Asignación de Recursos basado en Aprendizaje por Refuerzo Profundo (DRLRA), que puede asignar de manera adaptativa los recursos de computación y de red, reducir el tiempo de servicio promedio y equilibrar el uso de recursos bajo un entorno MEC variable. Los resultados experimentales muestran que el DRLRA propuesto funciona mejor que el algoritmo OSPF tradicional en las condiciones mutantes de MEC.