边缘计算环境下任务卸载与资源调度优化策略_第十期_2026_现代科技研究

摘要：边缘计算就是将网络边缘的计算、存储资源用在终端设备上，给资源受限的终端设备提供低时延、高带宽的服务。任务卸载决策和资源调度的联合优化属于决定系统性能的重要部分，在动态环境适应性、多服务器协同以及能耗和时延的均衡方面还存在着改进的空间。本文提出了一种基于深度强化学习的任务卸载和资源调度联合优化的方法，把问题建模成马尔可夫决策过程，用包含任务特征、信道状态、服务器负载信息的系统状态来描述，设计出以加权时延、能耗最小化为目标的奖励函数，用改进的双延迟深度确定性策略梯度算法进行策略学习。从仿真实验结果可知，在多用户、多服务器的场景中，本文所提的方法在系统总成本方面比基线方法有所降低，在动态信道环境下的收敛性和稳定性较好。

关键词：边缘计算；任务卸载；资源调度；深度强化学习；联合优化

参考文献

[1]周绪, 苗辉, 杨静, 等. 边缘计算资源调度:历史、架构、建模与方法分析[J]. 计算机集成制造系统, 2025, 31(8): 2695- 2726.

[2]曾耀平, 李航淼, 陈世森. 基于DRL的多服务器接入边缘计算卸载与资源调度[J]. 计算机工程与应用, 2026, 62(13): 312- 320.

[3]何达航, 王昱, 左利云. 边云环境中基于深度强化学习的任务卸载和资源分配方法[J]. 计算机应用研究, 2025, 42(2) : 486-493.

[4]Shi Z Y, Xie X Z, Lu H B, et al. DRL-based multidimensional resource management in SWIPT-NOMA-enabled MEC[J]. IEEE Transactions on Wireless Communications, 2024, 23(4): 3252-3266.

[5]Zhang R L, Zhou R T, Wang Y F, et al. Incentive mechanisms for online task offloading with privacy-preserving in UAV-assisted mobile edge computing[J]. IEEE/ACM Transactions on Networking, 2024, 32(3): 2646-2661.

[6]Huang C, Chen G J, Xiao P, et al. Joint offloading and resource allocation for hybrid cloud and edge computing in SAGINs : a decision assisted hybrid action space deep reinforcement learning approach[J]. IEEE Journal on Selected Areas in Communications, 2024, 42(5): 1029-1043.

[7]Gong X W, Chen M Y, Li D S, et al. Delay-optimal distributed computation offloading in wireless edge networks[J]. IEEE/ACM Transactions on Networking, 2024, 32(4): 3376-3391.

作者简介：赵智宇(1989-)，男，汉族，本科，研究方向为电子信息。