基于MDP和Q-learning的绿色移动边缘计算任务卸载策略
赵宏伟1
吕盛凱2
庞芷茜2
马子涵2
李雨2
1.沈阳大学 信息工程学院,辽宁 沈阳 110044;沈阳大学 碳中和技术与政策研究所,辽宁 沈阳 1100442.沈阳大学 信息工程学院,辽宁 沈阳 110044
摘要：目的 为了在汽车、空调等制造类工业互联网企业中实现碳中和,利用边缘计算任务卸载技术处理生产设备的任务卸载问题,以减少服务器的中心负载,减少数据中心的能源消耗和碳排放.方法 提出一种基于马尔可夫决策过程(Markov decision process,MDP)和Q-learning的绿色边缘计算任务卸载策略,该策略考虑了计算频率、传输功率、碳排放等约束,基于云边端协同计算模型,将碳排放优化问题转化为混合整数线性规划模型,通过MDP和Q-learning求解模型,并对比随机分配算法、Q-learning算法、SARSA(state action reward state action)算法的收敛性能、碳排放与总时延.结果 与已有的计算卸载策略相比,新策略对应的任务调度算法收敛比SARSA算法、Q-learning算法分别提高了 5%,2%,收敛性更好;系统碳排放成本比Q-learning算法、SARSA算法分别减少了8%,22%;考虑终端数量多少,新策略比Q-learning算法、SARSA算法终端数量分别减少了6%,7%;系统总计算时延上,新策略明显低于其他算法,比随机分配算法、Q-learning算法、SARSA算法分别减少了27%,14%,22%.结论 该策略能够合理优化卸载计算任务和资源分配,权衡时延、能耗,减少系统碳排放量.
关键词：碳排放边缘计算强化学习马尔可夫决策过程任务卸载
分类号：TP311.1(计算技术、计算机技术)
资助基金：国家自然科学基金(71672117)东北地质科技创新中心区创新基金资助项目(QCJJ2023-49)
论文发表日期：2025-09-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 9-16 )
英文信息