无线供能下的移动边缘计算(Wirelessly Powered Mobile Edge Computing,WP-MEC)集成了WPT(Wireless Power Transfer,WPT)和移动边缘计算技术,解决节点的能量和算力受限问题。针对WP-MEC,考虑计算节点可将计算任务卸载给空闲节点的场景,...无线供能下的移动边缘计算(Wirelessly Powered Mobile Edge Computing,WP-MEC)集成了WPT(Wireless Power Transfer,WPT)和移动边缘计算技术,解决节点的能量和算力受限问题。针对WP-MEC,考虑计算节点可将计算任务卸载给空闲节点的场景,通过联合优化WPT时长、卸载决策和节点计算频率,最大化节点的总计算速率(Sum Computing Rate,SCR)。首先将其建模为一个非凸问题,为了有效地求解,将其分解为给定时间分配下优化卸载决策和节点计算频率的子问题和优化时间分配的主问题。最后,设计了一个基于深度强化学习的方案,采用一个深度神经网络来输出近似最优的时间分配,并将给定时间分配下的子问题转化为凸问题进行高效求解。该方案具有较低的计算复杂度,实现了接近最大的SCR。展开更多
文摘无线供能下的移动边缘计算(Wirelessly Powered Mobile Edge Computing,WP-MEC)集成了WPT(Wireless Power Transfer,WPT)和移动边缘计算技术,解决节点的能量和算力受限问题。针对WP-MEC,考虑计算节点可将计算任务卸载给空闲节点的场景,通过联合优化WPT时长、卸载决策和节点计算频率,最大化节点的总计算速率(Sum Computing Rate,SCR)。首先将其建模为一个非凸问题,为了有效地求解,将其分解为给定时间分配下优化卸载决策和节点计算频率的子问题和优化时间分配的主问题。最后,设计了一个基于深度强化学习的方案,采用一个深度神经网络来输出近似最优的时间分配,并将给定时间分配下的子问题转化为凸问题进行高效求解。该方案具有较低的计算复杂度,实现了接近最大的SCR。
