基于深度强化学习的云边协同计算迁移研究

陈思光; 陈佳民; 赵传信

doi:10.12263/DZXB.20200131

您当前的位置：

首页 >

文章列表页 >

基于深度强化学习的云边协同计算迁移研究

学术论文 | 更新时间：2025-12-08

- 基于深度强化学习的云边协同计算迁移研究
- Deep Reinforcement Learning Based Cloud-Edge Collaborative Computation Offloading Mechanism
- 陈思光，陈佳民，赵传信
- 电子学报 2021年49卷第1期页码：157-166
- 作者机构：
  1. 南京邮电大学江苏省通信与网络技术工程研究中心,江苏,南京,210003
  2. 安徽师范大学网络与信息安全安徽省重点实验室,安徽,芜湖,241002
  3. 南京邮电大学江苏省宽带无线通信和物联网重点实验室,江苏,南京,210003
  4. 南京邮电大学江苏省通信与网络技术工程研究中心,江苏,南京,210003
  5. 安徽师范大学网络与信息安全安徽省重点实验室,安徽,芜湖,241002
  6. 南京邮电大学江苏省宽带无线通信和物联网重点实验室,江苏,南京,210003
- 作者简介：
- 基金信息：
  国家自然科学基金 (No.61971235，No.61771258，No.61871412）;六大人才高峰"高层次人才项目 (No.XYDXXJS-044）;江苏省"333高层次人才培养工程"南京邮电大学"1311"人才计划;中国博士后科学基金 (面上一等） (No.2018M630590）;南京邮电大学国家自然科学基金孵化项目 (No.NY217057，No.NY218058）;网络与信息安全安徽省重点实验室开放课题 (No.AHNIS2020001）;江苏省通信与网络技术工程研究中心开放课题重点项目 (No.JSGCZX17011）;赛尔网络下一代互联网技术创新项目 (No.NGII20190702）
- DOI： 10.12263/DZXB.20200131
  中图分类号：
- 稿件说明：
移动端阅览
DOI：
DOI：

HTML全文
参考文献
出版信息
数据统计

摘要

Abstract

关键词

Keywords

references

100

浏览量

112

下载量

9

CSCD

文章被引用时，请邮件提醒。

提交

工具集

BibTeX下载
Endnote下载
RefMan 下载
NoteExpress下载
NoteFirst下载

关联资源

基于学习的能量采集认知M2M通信资源分配算法

基于RSMA的通信导航一体化信号波形设计

基于慢波微同轴的紧凑型开关线式真时延单元

基于稀疏贝叶斯学习的OTFS系统脉冲噪声抑制方法

基于深度强化学习的云边协同计算迁移研究

Deep Reinforcement Learning Based Cloud-Edge Collaborative Computation Offloading Mechanism

DOI： 10.12263/DZXB.20200131

HTML全文

参考文献

出版信息

数据统计

摘要

Abstract

关键词

Keywords

references