《表1 各卸载算法的平均DAG调度时延》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《移动边缘计算中基于深度强化学习的计算卸载调度方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（a）对不同任务规模下各卸载算法的平均DAG调度时延进行比较，实验结果如表1所示。ES所对应的结果为最优解，但由于该算法指数级的复杂度，本实验只能给出n≤20时的结果；由于任务无法并行，在当前传输速率（Rul=Rdl=8）和处理能力（Fs=8×109）下，LE和OE的调度时延均很高。可以看出，RR的平均表现严格优于RS，而HEFT-based的平均表现又严格优于RR，HEFT-based优秀的性能是其被广泛研究和使用的原因。而提出的DRLOSM在每一个任务规模上的平均表现均优于HEFT-based且非常接近最优解。值得注意的是，对各算法的测试是在所生成的900个测试DAG上进行的，即DRLOSM在训练过程中并未见过这些样本。从实验结果可以看出，DRLOSM很好地学习到了DAG调度的通用模式。