面向移动边缘计算中任务卸载的资源分配学习优化
信号处理
2022-03-21 v1 机器学习
摘要
本文考虑一个多用户移动边缘计算（MEC）系统，其中采用混合整数卸载策略来辅助任务卸载的资源分配。尽管传统的分支定界（BnB）方法可用于求解该问题，但其带来的巨大计算复杂度负担限制了 BnB 的应用。为解决此问题，我们提出一种智能分支定界（IBnB）方法，利用深度学习（DL）学习 BnB 方法的剪枝策略。通过该学习方案，BnB 方法的结构保证了近最优性能，同时基于 DL 的剪枝策略显著降低了复杂度。数值结果验证了所提 IBnB 方法达到了最优性能，且复杂度降低超过 80%。
引用
@article{arxiv.2203.09954,
title = {Learning to Optimize Resource Assignment for Task Offloading in Mobile Edge Computing},
author = {Yurong Qian and Jindan Xu and Shuhan Zhu and Wei Xu and Lisheng Fan and George K. Karagiannidis},
journal= {arXiv preprint arXiv:2203.09954},
year = {2022}
}