葛海波，陳旭濤，劉林歡，李 順

(西安郵電大學(xué) 電子工程學(xué)院，陜西 西安 710121)

0 引 言

過去十年移動通信設(shè)備和移動應(yīng)用程序快速發(fā)展成為人們生活中不可或缺的一部分。手機(jī)、掌上電腦等設(shè)備為用戶提供多種數(shù)字服務(wù)如增強(qiáng)現(xiàn)實[1]、虛擬現(xiàn)實[2]等，這些任務(wù)往往需要大量的計算資源和較高的服務(wù)質(zhì)量。移動設(shè)備由于自身的電池和計算能力的限制，計算任務(wù)需要通過網(wǎng)絡(luò)傳輸?shù)竭h(yuǎn)程服務(wù)器，經(jīng)過處理后傳回移動設(shè)備，這就是云計算[3]。由于移動設(shè)備的數(shù)量瘋狂增長和網(wǎng)絡(luò)帶寬資源的不足，這種方法存在較高的延遲和不穩(wěn)定性。針對這些問題，移動邊緣計算[4](mobile edge computing，MEC)應(yīng)運(yùn)而生。MEC將移動用戶所需的計算資源下沉到接近用戶的位置，在移動設(shè)備附近部署邊緣服務(wù)器，MEC網(wǎng)絡(luò)中的移動設(shè)備可以將其任務(wù)卸載到附近的邊緣服務(wù)器，并在處理后立即收到結(jié)果。

現(xiàn)在我們已經(jīng)進(jìn)入到第五代(5G)移動網(wǎng)絡(luò)，需要進(jìn)行超密集組網(wǎng)(ultra-dense network，UDN)部署超密集小蜂窩網(wǎng)絡(luò)。每個移動設(shè)備的通信范圍內(nèi)會有密集的小型基站，可以為MEC網(wǎng)絡(luò)提供邊緣服務(wù)器和通信條件[5]。然而當(dāng)移動設(shè)備附近有多個MEC服務(wù)器時，移動用戶的計算任務(wù)是否需要卸載？如何進(jìn)行卸載？選擇哪個MEC服務(wù)器進(jìn)行卸載？不同的卸載決策會導(dǎo)致移動設(shè)備的不同服務(wù)質(zhì)量。因此，如何在密集基站下對移動設(shè)備進(jìn)行卸載決策制定非常重要。當(dāng)大量的計算任務(wù)卸載到同一個邊緣服務(wù)器時，會造成信道堵塞，服務(wù)器負(fù)載過高，導(dǎo)致任務(wù)的處理時間和等待時間更長造成較差的服務(wù)質(zhì)量。因此我們在考慮卸載決策的制定時，不可簡單將計算任務(wù)卸載到距移動設(shè)備較近的邊緣服務(wù)器，需要充分考慮移動設(shè)備、邊緣服務(wù)器計算能力、信道帶寬大小等。

1 相關(guān)工作

考慮MEC網(wǎng)絡(luò)單邊緣服務(wù)器。對于單個移動用戶的MEC網(wǎng)絡(luò)，文獻(xiàn)[6]建立了以分時傳輸和截止時間為約束條件的優(yōu)化問題，最小化系統(tǒng)總能耗，使用塊坐標(biāo)下降法求解優(yōu)化問題。文獻(xiàn)[7]聯(lián)合優(yōu)化了無線電和計算資源的分配，最小化用戶的能量消耗。對于具有多個移動用戶的MEC網(wǎng)絡(luò)，文獻(xiàn)[8]針對資源受限的MEC卸載問題，聯(lián)合時延、能耗及卸載費(fèi)用建立卸載效益模型，提出一種基于遺傳算法優(yōu)化的卸載決策與計算資源分配方法對其進(jìn)行求解。文獻(xiàn)[9]提出了一種基于分布式深度學(xué)習(xí)的卸載算法，可以有效地為該MEC網(wǎng)絡(luò)提供幾乎最優(yōu)的卸載決策。文獻(xiàn)[10]研究了具有能量收集功能的多用戶MEC系統(tǒng)中的能耗問題，將電池隊列穩(wěn)定性和服務(wù)質(zhì)量約束下的功耗最小化問題表示為隨機(jī)優(yōu)化程序，使用李雅普諾夫優(yōu)化方法解決穩(wěn)定性約束問題。

考慮到具有多個邊緣服務(wù)器的MEC網(wǎng)絡(luò)。文獻(xiàn)[11]為提高移動邊緣計算任務(wù)卸載方案性能，構(gòu)建云、邊、端三層MEC網(wǎng)絡(luò)架構(gòu)，提出一種基于二進(jìn)制粒子群優(yōu)化算法的任務(wù)卸載策略。文獻(xiàn)[12]考慮了具有多個邊緣服務(wù)器的MEC系統(tǒng)，并提出了兩種方法，基于線性松弛和基于半定義松弛的方法來最小化總?cè)蝿?wù)的執(zhí)行延遲和用戶的能量消耗。文獻(xiàn)[13]還考慮了多個邊緣服務(wù)器的情況，得到了服務(wù)器之間的最優(yōu)計算分布。

我們根據(jù)表1中的任務(wù)、用戶和服務(wù)器的數(shù)量對這些相關(guān)工作進(jìn)行了分類。

表1 移動邊緣計算中計算卸載的相關(guān)工作

上述研究部分考慮的是單邊緣服務(wù)器對行單一任務(wù)卸載的情況，部分考慮了多邊緣服務(wù)器對多用戶進(jìn)行多任務(wù)或單任務(wù)卸載的情況，但是都沒有考慮到基站重復(fù)區(qū)域下用戶的邊緣計算服務(wù)器選擇問題以及多用戶多任務(wù)的卸載問題。本文針對多基站、多用戶、多任務(wù)場景，提出了用戶基站選擇、卸載決策聯(lián)合優(yōu)化算法。針對該場景下的用戶基站選擇，本文采用基于博弈論的匹配算法，在得到用戶接入的基站以及卸載問題的優(yōu)化目標(biāo)后，采用基于深度強(qiáng)化學(xué)習(xí)的雙延遲深度確定性策略梯度(twin delayed deep deterministic policy gradient，TD3)算法對其求解。仿真結(jié)果表明本文所提出的與匹配博弈論結(jié)合的雙延遲深度確定性策略梯度(game theory-twin delayed deep deterministic policy gradient，GT-TD3)算法能有效降低用戶進(jìn)行任務(wù)卸載時的能耗及時延。

2 系統(tǒng)模型

如圖1所示，我們考慮由邊緣服務(wù)器(基站)K，移動用戶N組成的MEC網(wǎng)絡(luò)。我們假設(shè)每個移動用戶有獨(dú)立的任務(wù)M，其中每個任務(wù)可以由移動用戶進(jìn)行本地計算，或者卸載到邊緣服務(wù)器處理。我們將移動用戶的集合表示為N={1，2，3，…，N}， 任務(wù)集合為M={1，2，3，…，M}， 邊緣服務(wù)器集合為K={1，2，3，…，K}。

圖1 系統(tǒng)模型

卸載決策變量αnm∈{0，1} 表示用戶N是否決定卸載其中任務(wù)M，αnm=1表示用戶N決定將其任務(wù)M卸載至邊緣服務(wù)器，αnm=0表示用戶N中的任務(wù)M只能在本地終端進(jìn)行處理。用戶N將任務(wù)M進(jìn)行卸載時需要在基站K中選擇一個作為其任務(wù)處理基站，定義K=(k1，k2，…，kn×m) 為用戶需要卸載時的最佳服務(wù)器列表。

假如用戶N選擇將任務(wù)M進(jìn)行卸載處理，則其接入基站k的數(shù)據(jù)傳輸速率表示為

(1)

式中：移動用戶向基站k發(fā)送計算任務(wù)數(shù)據(jù)時的高斯白噪聲為σ2；移動用戶與其連接的基站k之間的信道帶寬為Bk；移動用戶向基站k傳輸計算任務(wù)數(shù)據(jù)時的功率為Pnk；通信信道增益為hnk。

2.1 計算模型

(1)本地計算

(2)

(3)

本地計算總花費(fèi)表示為

(4)

其中，λ1和λ2表示為完成用戶N任務(wù)M的時延和能耗成本的權(quán)重。任務(wù)計算過程中權(quán)重保持不變，0≤λ1≤1、 0≤λ2≤1、λ1+λ2=1。

(2)卸載計算

移動用戶N選擇將計算任務(wù)M進(jìn)行卸載處理，則所消耗時間分為3部分：計算任務(wù)M上傳時間、MEC服務(wù)器處理任務(wù)M時間、處理結(jié)果回傳到移動用戶時間。通常情況處理結(jié)果遠(yuǎn)小于計算任務(wù)上傳大小，所以忽略第三步所耗時間。

根據(jù)上述步驟，卸載計算第一步所需的時間是傳輸時延

(5)

完成第一步的能耗為

(6)

對于卸載計算的第二步所需時間為MEC服務(wù)器的計算任務(wù)M的時延

(7)

其中，fnmk是邊緣計算服務(wù)器為計算任務(wù)M所分配的計算資源。

(8)

根據(jù)式(5)～式(8)用戶N將其任務(wù)M進(jìn)行卸載計算所需的時延和能耗分別為

(9)

(10)

結(jié)合時延和能耗公式可以得出卸載計算的總花費(fèi)為

(11)

最后可以得出MEC系統(tǒng)計算任務(wù)M的總代價為

(12)

2.2 優(yōu)化問題

將MEC系統(tǒng)的卸載決策向量和資源分配向量結(jié)合得到一個優(yōu)化問題。優(yōu)化目標(biāo)是最小化所有任務(wù)的總延遲以及執(zhí)行這些任務(wù)的總能耗。該優(yōu)化問題如下

(13)

在求解這個優(yōu)化問題之前，我們首先需要計算出用戶與基站的最佳匹配關(guān)系即用戶最佳卸載服務(wù)器策略K=(k1，k2，…，kn×m) 將其代入到優(yōu)化問題(13)中，這樣可以將該優(yōu)化問題改寫為

(14)

其中，A={α11…，α1M，α2M，…，αNM} 為卸載決策向量，F(xiàn)=(f1，f2，…，fN) 為邊緣計算服務(wù)器的資源分配向量。約束C1表示無論是通過本地計算還是卸載計算處理其計算任務(wù)，計算時間都不可以超過最大可容忍時延；約束C2表示計算任務(wù)只能在本地計算或者卸載到服務(wù)器進(jìn)行計算；約束C3表示分配給處理每個任務(wù)的計算資源都是非負(fù)的；約束C4表示分配到所有任務(wù)的總體計算資源小于所有MEC服務(wù)器的計算資源之和。P定義為所有服務(wù)器的計算資源之和。

3 基于博弈論的用戶與服務(wù)器匹配策略

在MEC系統(tǒng)中移動用戶往往會選擇距離較近的邊緣計算服務(wù)器進(jìn)行卸載，但是這種情況會使邊緣計算服務(wù)器群中一部分服務(wù)器負(fù)載較高，另一部分服務(wù)器空載，這樣會降低移動用戶的服務(wù)質(zhì)量。為了讓系統(tǒng)的總花費(fèi)在約束條件下達(dá)到最小，我們需要讓移動用戶與基站之間達(dá)到最佳的匹配。

匹配博弈論是一種非常有效的方法，可以讓兩個參與者在某種條件下達(dá)成有利于雙方的策略。移動用戶N和邊緣服務(wù)器K往往會在有利于自身條件的情況下選擇用戶任務(wù)或服務(wù)器進(jìn)行任務(wù)卸載，應(yīng)用匹配博弈論可以使雙方在某些限制條件下達(dá)到雙贏，找到對移動用戶及邊緣服務(wù)器都有利的匹配策略[14]。在本文的MEC網(wǎng)絡(luò)系統(tǒng)中，移動用戶只可選擇一個服務(wù)器進(jìn)行卸載，邊緣服務(wù)器可以接收多個用戶的卸載請求。定義移動用戶n與邊緣服務(wù)器k滿足以下條件

(1)ψ(n)∈Kn
(2)ψ(k)∈N
(3)ψ(n)≤1
(4)k∈ψ(n)?n∈ψ(k)

(15)

條件(1)表示移動用戶n所連接的服務(wù)器屬于邊緣計算服務(wù)器Kn之一；條件(2)表示連接到服務(wù)器k的用戶n必須是所有移動用戶N中的某一位；條件(3)表示移動用戶與服務(wù)器必須保證一對一連接；條件(4)表示移動用戶可以選擇邊緣服務(wù)器同樣邊緣服務(wù)器也可以選擇用戶建立連接。

在移動用戶與移動邊緣計算服務(wù)器進(jìn)行匹配時需要考慮到移動用戶和服務(wù)器自身的偏好因素，為了達(dá)到最佳匹配需要根據(jù)各自偏好因素進(jìn)行匹配。

移動用戶效用函數(shù)：移動用戶在多個服務(wù)器中選擇卸載時，會綜合自身情況比如用戶與基站之間的距離、信道帶寬、環(huán)境中噪聲干擾等。用戶會首先選擇信道帶寬較高、干擾較少，傳輸速率相對最快的服務(wù)器，這樣可以降低卸載計算中第一步的時延

(16)

邊緣計算服務(wù)器效用函數(shù)：移動用戶與邊緣計算服務(wù)器的選擇是雙向的。服務(wù)器在選擇用戶時，為了有效降低系統(tǒng)的總花費(fèi)，會選擇卸載任務(wù)較小的用戶。這樣可以降低服務(wù)器處理任務(wù)的時間，并且可以降低后續(xù)卸載任務(wù)的等待時間

(17)

多基站博弈算法具體描述如下：

多基站博弈算法具體實現(xiàn)步驟見表2。

4 基于深度強(qiáng)化學(xué)習(xí)的卸載策略優(yōu)化算法

由于優(yōu)化變量之間的耦合關(guān)系，必須將原始問題分解為子問題，然后利用一些替代的凹面搜索算法來解決這些問題。然而，由于子問題之間的交替處理，導(dǎo)致解決時間過長，隨著MEC服務(wù)器服務(wù)區(qū)域下的用戶數(shù)量和任務(wù)數(shù)量的增加，求解時間將進(jìn)一步增加。因此，我們將上述問題建模為馬爾可夫決策過程(Markov decision process，MDP)，然后采用深度強(qiáng)化學(xué)習(xí)(deep reinforcement lear-ning，DRL)方法進(jìn)行求解。DRL體系結(jié)構(gòu)由代理和環(huán)境相互交互組成。該代理由安裝在每個MEC服務(wù)器上的控制器實現(xiàn)，并且控制器之外的所有內(nèi)容都被視為環(huán)境。通過學(xué)習(xí)最佳策略(稱為將環(huán)境狀態(tài)映射到資源分配決策的資源分配策略)以最大化累積的總獎勵，可以直接解決上述問題。

本文建模了多用戶多任務(wù)多服務(wù)器移動邊緣計算系統(tǒng)中任務(wù)卸載、服務(wù)器資源分配問題，目標(biāo)是最大化用戶對服務(wù)的體驗質(zhì)量，最小化移動用戶成本。由于這是一個混合整數(shù)非線性規(guī)劃問題，為了求解這個問題，本節(jié)提出一個基于TD3算法的多基站多用戶卸載算法，最小化移動用戶總花費(fèi)。

TD3算法是一種面向連續(xù)動作空間基于Actor-Critic架構(gòu)的深度強(qiáng)化學(xué)習(xí)算法[15]，在深度確定性策略梯度(deep deterministic policy gradient，DDPG)算法基礎(chǔ)上，對policy網(wǎng)絡(luò)和value網(wǎng)絡(luò)進(jìn)行改進(jìn)，優(yōu)化了Q-Value的過高估計問題。算法由Critic網(wǎng)絡(luò)和Actor網(wǎng)絡(luò)組成。TD3算法框架如圖2所示。

圖2 TD3算法框架

TD3算法中定義四元組 (S，A，rt，γ)， 把連續(xù)的時間分為離散的多個時刻t，每個狀態(tài)s都儲存在狀態(tài)空間集合S中，每個動作都儲存在動作空間集合A中，rt表示當(dāng)前時刻的獎勵。每個時刻采用π策略的智能體都會根據(jù)狀態(tài)s選擇相應(yīng)的動作a，然后與環(huán)境交互，得到這一步的收益r，以及下一步的狀態(tài)s′?？偦貓蟊欢x為收益的折扣總和

(18)

γ∈(0，1) 是一個用于確定短期獎勵優(yōu)先級的折扣因子。

考慮到必須處理連續(xù)的本地執(zhí)行權(quán)和卸載傳輸權(quán)，因此采用確定性策略，將動作-狀態(tài)值函數(shù)的Bellman方程寫為

Qπ(s，a)=E[r(s，a)+γQπ(s′.μ(s′))]

(19)

為了最大化長期預(yù)期的折價報酬，采用相同的時差方法以直接從原始經(jīng)驗中學(xué)習(xí)，我們可以在每個時間步長t處更新狀態(tài)-作用函數(shù)

Qπ(s′，a′)=Qπ(s，a)+α(r(s，a)+γQπ(s′，a′)-Qπ(s，a))

(20)

式中：r(s，a)+γQπ(s′，a′)-Qπ(s，a) 表示時間差誤差，0<α<1表示學(xué)習(xí)率。

TD3算法使用單獨(dú)的DNN網(wǎng)絡(luò)來分別近似Critic網(wǎng)絡(luò)的估值函數(shù)Qθ1，Qθ2和Actor網(wǎng)絡(luò)中的策略函數(shù)πφ。

為了避免估值函數(shù)對Q值的過高估計，選擇兩個估值函數(shù)中較小的作為估計值

(21)

在計算Q值時，給Action目標(biāo)網(wǎng)絡(luò)加入一個小的隨機(jī)噪音ε，并采取截斷來避免其過多的偏離原始值，經(jīng)過多個采樣后這些噪音會取得近似的平均，在加入噪音后，對干擾因素的抵抗力更強(qiáng)，Critic就能給出更高的Q值，從而讓策略輸出的更加穩(wěn)定平滑

(22)

(23)

在Critic網(wǎng)絡(luò)中，使用時差誤差法更新參數(shù)θ其損失函數(shù)定義為

L(θ)=argminθN-1∑(y-Qθ(s，a))2

(24)

最小化L(θQ) 對Critic網(wǎng)絡(luò)進(jìn)行更新。Q(s，a) 代表在s狀態(tài)下執(zhí)行動作a得到的最大未來回報。r(s，a) 是在s狀態(tài)下執(zhí)行動作a得到的環(huán)境所給的現(xiàn)實獎勵。Q(s′，π(s′)|θ) 表示在s狀態(tài)下執(zhí)行動作a到達(dá)下一狀態(tài)s′后，繼續(xù)執(zhí)行下一動作π(s′)，得到的下一個狀態(tài)s′的最大未來回報。y表示在s狀態(tài)下執(zhí)行動作a后，得到的最大未來回報。

將優(yōu)化問題中各項參數(shù)轉(zhuǎn)化為馬爾可夫決策過程的三元組 (S，A，R)。S={dnm，cnm，fnmk，P}，A={α11…，α1M，α2M，…，αNM，f1，f2，…，fN} 分別表示狀態(tài)空間和動作空間。優(yōu)化問題是求解總成本最小化而強(qiáng)化學(xué)習(xí)目標(biāo)是最大化獎勵，所以獎勵函數(shù)R為系統(tǒng)成本加權(quán)和的相反數(shù)R=-Z。

GT-TD3算法具體步驟見表3。

表3 GT-TD3算法執(zhí)行流程

5 仿真實驗分析

采用python仿真平臺對本文所提出的算法進(jìn)行仿真分析驗證?？紤]到多用戶多基站的移動邊緣計算場景，所設(shè)環(huán)境中用戶隨機(jī)分布信道建模采用l-α， 其中l(wèi)為用戶到基站的距離，α為路徑損耗因子，此處取α=3[16]。優(yōu)化目標(biāo)中的能耗和時延權(quán)重為λ1=λ2=0.5。 MEC服務(wù)器的計算能力為10(GHz)，MEC服務(wù)器計算1 bit數(shù)據(jù)所需周期數(shù)為200/bit；假設(shè)移動用戶設(shè)備的計算能力相同，移動用戶設(shè)備的計算能力為1(GHz)，計算1 bit數(shù)據(jù)所需的CPU周期數(shù)為1000/bit。其它仿真參數(shù)設(shè)置見表4。

表4 參數(shù)設(shè)置

本文所求系統(tǒng)開銷為用戶處理任務(wù)的時延和能耗的加權(quán)和，因此開銷無量綱。為驗證算法優(yōu)劣性，將本文所提出算法與TD3算法、LOCAL(用戶在本地盡可能多貪婪地執(zhí)行任務(wù))算法、OFFLAND(用戶盡可能多貪婪地將任務(wù)卸載執(zhí)行)算法和DDPG算法在不同場景下進(jìn)行比較。

圖3是在移動設(shè)備用戶數(shù)量不斷增加時，LOCAL算法、OFFLAND算法、TD3算法和本文所提出的GT-TD3算法的性能比較。系統(tǒng)中基站內(nèi)的MEC服務(wù)器計算能力為10 GHz，可接入基站數(shù)量為15，用戶數(shù)量從10增加到70?？梢钥闯鲭S著用戶數(shù)量的增加，系統(tǒng)的總花費(fèi)呈現(xiàn)上升趨勢，在相同用戶數(shù)量的情況下，本文所提出的GT-TD3算法的系統(tǒng)總花費(fèi)最小。在用戶數(shù)量較少時，OFFLAND算法的總花費(fèi)明顯低于LOCAL算法，相較于DDPG算法略高。當(dāng)用戶數(shù)量逐漸上升時，OFFLAND算法總花費(fèi)迅速升高，這表明在用戶數(shù)量較多的情況下，MEC服務(wù)器無法在最大可允許時延條件下完成任務(wù)，無線信道也會變得十分擁擠，僅用MEC服務(wù)器無法提供有效的計算卸載服務(wù)，所以選擇合適的卸載決策十分重要。

圖3 系統(tǒng)總花費(fèi)與用戶數(shù)量的關(guān)系

圖4是在移動用戶可連接基站數(shù)量不斷增加時，LOCAL算法、OFFLAND算法、TD3算法和本文所提出的GT-TD3算法的性能比較。系統(tǒng)中基站內(nèi)的MEC服務(wù)器計算能力為10 GHz，移動設(shè)備用戶數(shù)量為30，基站數(shù)量從5增加到25?？梢钥闯鲈诨緮?shù)量為5時，TD3算法和本文所提出的GT-TD3算法的總花費(fèi)基本相近，OFFLAND算法和LOCAL算法所花費(fèi)較大，其中LOCAL算法在基站數(shù)量不斷上升時系統(tǒng)總花費(fèi)不變。這是因為貪婪本地卸載計算時不將任務(wù)卸載到MEC服務(wù)器，所以無論可接入基站數(shù)量如何變化其系統(tǒng)總花費(fèi)保持不變。隨著可接入基站數(shù)量的不斷增加，OFFLAN算法和TD3算法和GT-TD3算法的系統(tǒng)總花費(fèi)呈下降趨勢，這是因為更多的基站和服務(wù)器選擇使得用戶的卸載任務(wù)可進(jìn)行卸載處理的最佳服務(wù)器的選擇更好，使得系統(tǒng)的總花費(fèi)不斷減小。

圖4 系統(tǒng)總花費(fèi)與基站數(shù)量的關(guān)系

圖5是在移動設(shè)備用戶所需要處理的任務(wù)數(shù)量不斷增加時，LOCAL算法、OFFLAND算法、TD3算法和本文所提出的GT-TD3算法的性能比較。系統(tǒng)中基站內(nèi)的MEC服務(wù)器計算能力為10 GHz，可接入基站數(shù)量為15，移動設(shè)備用戶數(shù)量為10，用戶所需要處理的任務(wù)數(shù)量從10增加到50?？梢钥闯鲭S著任務(wù)數(shù)量的增加，系統(tǒng)的總花費(fèi)也在逐步上升。這是因為在移動設(shè)備用戶數(shù)量和MEC服務(wù)器計算能力保持不變時，隨著任務(wù)數(shù)量的增加，無線信道干擾增大，信道傳輸效率下降，這樣不可避免地導(dǎo)致較長的傳輸時間和較高的能耗，系統(tǒng)總花費(fèi)隨之升高。本文所提出的GT-TD3算法在4種算法中的系統(tǒng)總花費(fèi)為最小，這是因為本文提出的算法可以在用戶所有可接入的基站中預(yù)先選擇出最佳基站，每個用戶的任務(wù)都最佳分配給基站中的MEC服務(wù)器，不會造成用戶的任務(wù)在需要進(jìn)行卸載處理時還需等待基站中MEC服務(wù)器處理上一個用戶的任務(wù)，這樣可以很好地降低系統(tǒng)的總花費(fèi)。

圖5 系統(tǒng)總花費(fèi)與任務(wù)數(shù)量的關(guān)系

圖6是在移動設(shè)備用戶所需要處理的計算任務(wù)大小不斷增加時，LOCAL算法、OFFLAND算法、TD3算法和本文所提出的GT-TD3算法的性能比較。系統(tǒng)中基站內(nèi)的MEC服務(wù)器計算能力為10 GHz，可接入基站數(shù)量為15，移動設(shè)備用戶數(shù)量為10，用戶所需要處理的任務(wù)數(shù)為15，任務(wù)的大小從300增加到1500?？梢钥闯鲭S著用戶發(fā)送任務(wù)的數(shù)據(jù)逐漸變大時，系統(tǒng)處理這些任務(wù)的總花費(fèi)呈現(xiàn)全體上升趨勢。由于任務(wù)的數(shù)據(jù)變大，無線信道接收數(shù)據(jù)，系統(tǒng)處理數(shù)據(jù)需要花費(fèi)更多的能量和時間，從而導(dǎo)致系統(tǒng)總花費(fèi)升高。其中LOCAL算法在任務(wù)較大時所需的總花費(fèi)明顯高于另外3種算法，這是由于移動設(shè)備本身的處理能力時有限的在任務(wù)大小一直增加時其所需要的總花費(fèi)相對于其它算法上升地更快。這表明，在任務(wù)數(shù)據(jù)量較大時，對任務(wù)進(jìn)行卸載處理收益較高。

圖6 系統(tǒng)總花費(fèi)與用戶任務(wù)數(shù)據(jù)大小的關(guān)系

6 結(jié)束語

隨著5G超密集基站的部署，移動用戶在進(jìn)行卸載計算時面臨基站選擇問題。針對多用戶、多基站場景下移動用戶的計算卸載及資源分配問題，本文提出一種與匹配博弈論相結(jié)合的雙延遲深度確定性策略梯度算法GT-TD3。以最小化MEC系統(tǒng)總代價為優(yōu)化目標(biāo)，首先運(yùn)用多基站博弈算法解決用戶與基站互相匹配問題，然后使用TD3算法對優(yōu)化問題進(jìn)行求解，得到最優(yōu)的卸載策略。仿真結(jié)果表明本文所提出的算法相較于4種對比算法可以有效減小MEC系統(tǒng)總花費(fèi)。并且隨著MEC系統(tǒng)中可接入基站數(shù)量增多，本文算法的總花費(fèi)會逐漸減小。

深度強(qiáng)化學(xué)習(xí)算法由于深度神經(jīng)網(wǎng)絡(luò)導(dǎo)致所占內(nèi)存空間較大，如何減小其所占內(nèi)存空間，加速算法迭代，使其可以更加方便地在MEC服務(wù)器中進(jìn)行部署，這將是下一步的研究重點。