面向混合移动边缘-量子计算的高性价比任务卸载调度
系统与控制
2023-06-27 v1 网络与互联网体系结构
系统与控制
摘要
本文旨在解决移动网络中可持续任务卸载调度的混合移动边缘-量子计算（MEQC）挑战。我们在满足移动设备各自链路时延约束保障及其计算任务所需成功率的前提下，针对任务卸载模式选择和资源分配设计了高性价比方案。具体而言，这是一个时间耦合的卸载调度优化问题，需要计算可行且有效的求解方法。为此，我们提出了一种基于深度强化学习（DRL）的Lyapunov方法。更确切地说，我们通过将时间耦合约束构造的虚拟队列的罚函数项引入目标函数，将原始时间耦合挑战重构为混合整数优化问题。随后，采用深度Q网络（DQN）进行任务卸载模式选择。此外，我们设计了基于深度确定性策略梯度（DDPG）的算法用于部分任务卸载决策。最后，在真实网络环境下测试，大量实验结果表明，与现有方法相比，我们所提方法显著更具性价比和可持续性。
引用
@article{arxiv.2306.14588,
title = {Cost-Effective Task Offloading Scheduling for Hybrid Mobile Edge-Quantum Computing},
author = {Ziqiang Ye and Yulan Gao and Yue Xiao and Minrui Xu and Han Yu and Dusit Niyato},
journal= {arXiv preprint arXiv:2306.14588},
year = {2023}
}