DQN-Based Comprehensive Consumption Minimization on Calculation Offloading in Mobile Edge Computing

Dieses Kapitel befasst sich mit der Anwendung von Deep Q-Network (DQN) zur Minimierung des Energieverbrauchs und der Latenz von IoT-Geräten durch Task-Offloading in Mobile Edge Computing-Netzwerken (MEC). Die Studie beginnt mit der Vorstellung der Herausforderungen, vor denen IoT-Geräte aufgrund von Rechenengpässen stehen, und schlägt MEC als Lösung vor. Anschließend wird ein Systemmodell für die Erforschung von Multisensor-Domänen präsentiert, in dem der Prozess der Aufgabenverlagerung und die lokalen und ausgeladenen Rechenmodelle detailliert beschrieben werden. Das Problem wird als Markov Decision Process (MDP) formuliert, wobei staatliche und Handlungsspielräume definiert werden, um die Auslagerungsstrategie zu repräsentieren. Der DQN-Algorithmus wird eingesetzt, um die objektive Funktion zu optimieren und Verzögerung und Energieverbrauch zu kombinieren. Das Kapitel enthält auch experimentelle Simulationen, um die Effektivität und Praktikabilität der DQN-basierten Offloading-Strategie zu überprüfen. Die Ergebnisse zeigen, dass die vorgeschlagene Methode andere Strategien hinsichtlich umfassender Kosten, Energieverbrauch und Verzögerung übertrifft und damit einen bedeutenden Beitrag zur MEC- und IoT-Optimierung leistet.