来源：期刊VIP网 时间：
作者：赵宏伟;吕盛凱;庞芷茜;马子涵;李雨;
单位：沈阳大学信息工程学院;沈阳大学碳中和技术与政策研究所;
摘要：目的 为了在汽车、空调等制造类工业互联网企业中实现碳中和，利用边缘计算任务卸载技术处理生产设备的任务卸载问题，以减少服务器的中心负载，减少数据中心的能源消耗和碳排放。方法 提出一种基于马尔可夫决策过程（Markov decision process,MDP）和Q-learning的绿色边缘计算任务卸载策略，该策略考虑了计算频率、传输功率、碳排放等约束，基于云边端协同计算模型，将碳排放优化问题转化为混合整数线性规划模型，通过MDP和Q-learning求解模型，并对比随机分配算法、Q-learning算法、SARSA(state action reward state action)算法的收敛性能、碳排放与总时延。结果 与已有的计算卸载策略相比，新策略对应的任务调度算法收敛比SARSA算法、Q-learning算法分别提高了5%,2%，收敛性更好；系统碳排放成本比Qlearning算法、SARSA算法分别减少了8%,22%；考虑终端数量多少，新策略比Q-learning算法、SARSA算法终端数量分别减少了6%,7%；系统总计算时延上，新策略明显低于其他算法，比随机分配算法、Q-learning算法、SARSA算法分别减少了27%,14%,22%。结论 该策略能够合理优化卸载计算任务和资源分配，权衡时延、能耗，减少系统碳排放量。
关键词：碳排放;;边缘计算;;强化学习;;马尔可夫决策过程;;任务卸载
基金资助：国家自然科学基金资助项目（71672117）;; 东北地质科技创新中心区创新基金资助项目（QCJJ2023-49）
