Mbile Edge Computing for Dynamic Computation Offloading

Abstract

We consider a multi-user multi-mobile edge computing (MEC) server system, in which multiple users generate tasks at random, and the tasks will be computed locally on their own mobile device or offloaded to a base station equipped with a distributed MEC server. Under such a dynamic network environment, we propose a computation offloading algorithm based on reinforcement learning (RL), which can calculate an efficient task offloading strategy with the limited information provided. Simulation results demonstrate that the proposed scheme significantly reduces task computation delay compared to the conventional offloading methods.|우리는 다중 사용자가 임의로 작업을 생성하고, 작업은 자체 모바일 장치에서 로컬로 계산되거나 분산 MEC 서버가 장착된 기지국으로 오프로드되는 다중 사용자 다중 모바일 에지 컴퓨팅 (MEC) 서버 시스템을 고려한다. 이러한 동적 네트워크 환경에서 제한된 정보로 효율적인 작업 오프로드 전략을 계산할 수 있는 강화 학습 (RL)을 기반으로 한 계산 오프로드 알고리듬을 제안한다. 시뮬레이션 결과는 제안된 체계가 기존의 오프로드 방법에 비해 작업 계산 지연을 크게 줄인다는 것을 보여준다.