TY - JOUR A2 - Cheng, Wenchi AU - Zhang, Bingxin AU - Zhang, Guopeng AU - Sun, Weice AU - Yang，本文提出了一种适用于移动边缘计算(MEC)系统的高效计算任务卸载机制。所研究的MEC系统由多个用户设备和多个无线电接口组成。为了使受益于MEC的终端数量最大化，对终端的任务卸载和功率控制策略进行联合优化。然而，寻找最优解的问题是NP-hard。然后，我们将问题重新表述为一个马尔科夫决策过程(MDP)，并开发了一个基于强化学习(RL)的算法来解决MDP。仿真结果表明，与穷举搜索算法相比，基于rl的算法取得了接近最优的性能，无论从系统的角度(因为它导致更多的有益终端)还是个人的角度(因为它为终端产生更低的计算开销)来看，它都优于基于接收信号强度(RSS-)的方法。SN - 1574-017X UR - https://doi.org/10.1155/2020/7630275 DO - 10.1155/2020/7630275