研究人员开发了一种名为DSAC-T的新型分布强化学习算法，用于优化由主动超对角可重构智能表面（BD-RIS）辅助的异构移动边缘计算（MEC）系统中的能源和资源分配。该方法对回报分布进行建模，提高了策略的稳定性和可行性，尤其是在奖励异构的情况下。在模拟中，DSAC-T实现了81.67%的可行性比率，并且每种场景的在线决策时间仅为0.0267秒，优于其他基线算法。 AI
影响 这项研究可能带来更高效的边缘计算环境资源管理，从而提高AI驱动应用的性能并降低能耗。
排序理由 详细介绍新算法及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
