Scidown文献预览系统！
基于深度强化学习的分布式计算卸载方法( Distributed computation offloading method based on deep reinforcement learning in ICV )
C Chen Y Zhang Z Wang S Wan Q Pei
随着智能互联车辆的快速发展，大规模网络的实现对任务调度的计算资源优化提出了更高的要求。我们观察到，几乎所有任务都在多访问边缘计算(MEC)服务器上执行的卸载方案并不是一个很好的资源利用方案，这会导致大量车辆资源的利用不足，给服务器带来很大的负担。所以我们首先考虑MEC不可用或不足的场景。我们把周边车辆作为一个资源池(RP)。在此基础上，提出了一种分布式计算卸载方法，将一个复杂的任务分解为多个子任务，以充分利用所有资源。如何在RP中分配这些次要任务以获得更好的执行时间是一个难题。复杂计算任务的执行时间是一个最小-最大问题。本文提出了一种基于深度Q学习网络(DQN)的分布式计算卸载策略，寻找最小化复合任务执行时间的最佳卸载方法。我们可以证明，本文提出的模型能够充分利用周围车辆的计算资源，大大减少计算任务的执行时间。
SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 湍流热声系统时空动力学临界区及智能被动控制下载
scidown Zn对Sn-Ag合金固液界面能的影响下载