Learning-based Computation Offloading for lot Devices With Energy Harvesting

这篇论文提出了一种基于强化学习（RL）的卸载方案，用于具有 能量收集（EH） 的 物联网（IOT） 设备去根据当前电池电量、以往的到每个终端设备的无线电传输率、收获的能量的预测。这个方法能让物联网优化卸载策略却不需要知道一些模型知识。

此外，我们提出了一个基于深度强化学习的卸载方案进一步加速学习速度。

依据能量消耗，计算等待时机，效能来评价表现。

结果：这种方法减少了能量消耗，计算等待时间，和任务中断率。因此也提高了物联网设备在动态移动边缘计算中的效能。

Optimized Computation Offloading Performance in Virtual Edge Computing Systems via Deep Reinforcement Learning

double DQN-based policy.

解决最优的计算卸载策略被建模为一个马尔可夫决策过程。