边缘计算赋能移动设备视频数据实时分析：基于A3C的在线资源分配解决方案

边缘计算赋能移动设备视频数据实时分析：基于A3C的在线资源分配解决方案

移动设备获取的视频数据实时分析需要消耗大量的计算资源。借助边缘计算，我们可以将计算密集型任务转移到附近的边缘服务器，从而减轻资源有限的端设备的计算负担，并减少数据传输到云端所产生的长延迟。同时，引入软件定义网络和网络功能虚拟化技术对边缘计算网络进行重构。

当将多个端设备的视频数据转移到边缘服务器时，带宽和计算资源的分配显著影响关键指标，例如实时任务成功处理数据量。时变的信道状态也对决策产生了显著影响。基于此，我们考虑设计一种在线资源分配解决方案，旨在最大化长期平均实时任务成功处理数据量。该问题在马尔可夫决策过程框架下进行建模，并提出了异步优势动作评价算法(Asynchronous Advantage Actor-Critic,A3C)的在线解决方案。

广泛的仿真结果表明，与其他四种基线方法相比，所提出的解决方案能够获得更高的实时任务内容：成功处理数据量，同时在带宽和计算资源的利用效率上也有更好的表现。同时，该方案可以适应不同的网络拓扑结构和网络负载情况，具有一定的通用性和可扩展性。