多用户多计算接入点边缘计算网络的动态卸载：一种深度强化学习方法

在本文中，我们研究了一个多用户移动边缘计算（MEC）网络，在该网络中，用户的任务可以部分卸载到多个计算接入点（CAPs）。我们考虑任务特性和计算能力在CAPs上可能随时间变化的实际情况，因此产生了一个动态卸载问题。为了解决这个问题，我们首先将其表述为马尔可夫决策过程（MDP），然后引入状态和动作空间。我们进一步基于深度Q网络（DQN）设计了一种新颖的卸载策略，使用户能够动态微调卸载比例，以确保通过延迟和能耗来衡量的系统性能。最后，展示了仿真结果，以验证所提出的基于DQN的卸载策略优于传统策略的优势。