석영준, 임현교, 울라이산, 한연희,

Journal of Advanced Technology Research, Vol. 7, No. 2, pp. 13-16, 12월. 2022
10.11111/JATR.2022.7.2.013, Full Text:
Keywords: IoT, 5G 네트워크, 부분 작업 오프로딩, 자원 소모, 지연 시간, 에지 클라우드 컴퓨팅 체계, 계층적 심층 강화학습, 작업 분배 최적화
Abstract

IoT 및 5G네트워크 서비스가 발전하며 자원이 제한된 로컬 장치에서 요구되는 에너지 및 지연시간을 만 족하기 위해 부분 작업 오프로딩을 사용할 수 있다.하지만 부분 작업 오프로딩에서 오프로딩 비율을 결정 은조합 최적화 문제와 같아 해결하기 어렵다.본 논문에서는 이러한 조합 최적화 문제 해결을 위해 에지 클 라우드 컴퓨팅 체계에서 작업 오프로딩 방식에 계층적 심층 강화학습(Hierarchical Deep Reinforcement Learning)을 적용하고 성능을 확인한다.또한 계층적 심층 강화학습 기반 작업 분배 최적화 문제에 대한 Markov Decision Process (MDP) 및 목적함수를 정의한다. 계층적 심층 강화학습에서의 각 계층은 서로 다 른 알고리즘을 활용하며 오프로딩 시뮬레이션 결과는 제안하는 방법이 다른 자원 소모와 지연 시간에서 다 른 방법보다 우수하다는 것을 입증한다.

Statistics
Cite this article