الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 77 |  |  |
| | | from | 77 | | |
Abstract
كل يوم ، يزداد عدد األجهزة المحمولة الالسلكية وتطبيقات إنترنت األاشياء ، األمر الذي يتطلب موارد حسابية واسعة النطاق. لذلك من الممكن التخفيف من نقص الموارد
الحسابية في األجهزة المحمولة الالسلكية باستخدام حوسبة الحافة المتنقلة (MEC(Computing Edge Mobile .MEC هي تقنية حديثة توفر إمكانيات الحوسبة السحابية على حافة شبكة الهاتف المحمول ألداء مهام حسابية مكثفة ، مما يقلل من التأخير ويمنع االاتصال التام مع السحابة البعيدة.اقترحت هذه الرسالة نموذج تفريغ المهام لنظام MEC متعدد األجهزة ، متعدد المهام ، تمت صياغة النموذج كمشكلة تحسين بهدف تقليل وقت الحساب واستهالك الطاقة.ومع ذلك ، يزداد التعقيد بسرعة
مع إضافة المزيد من األجهزة إلى النظام ، وبالتالي يتم حل المشكلة المقترحة من خلال تقديم استراتيجيات مختلفة هي الحوسبة المحلية الكاملة ، وحوسبة التفريغ الكامل والتفريغ العشوائي ، وتعلم Q ، وشبكة Q Deep ، و DNN الموزع ، والتي يتم مقارنتها مع استراتيجية التفريغ المثلى. تظهر النتائج )4 أجهزة مع 3 مهام لكل جهاز(أن التكلفة اإلاجمالية من حيث الوقت واستهالك الطاقة في خوارزميات Learning Q
و DQN و DNN الموزعة قريبة من استراتيجية التفريغ المثلى ، عالوة على ذلك ، تقلل هذه االاستراتيجيات من التكلفة اإلاجمالية تصل إلى 7.63 ٪بالمقارنة مع اإلاستراتيجية المحلية الكاملة ، وأيضا تصل إلى 8.21 ٪عند مقارنتها بإستراتيجية الحافة الكاملة. ومع ذلك ، فإن سرعة التعلم لشبكة DNN الموزعة تكون أسرع من Network Q Deep ، عندما يزداد عدد األاجهزة. باإلاضافة إلى ذلك ، يولد DNN الموزع قرار التفريغ )في 4 مللي ثانية( أسرع من خوارزمية DQN( في 8 مللي ثانية(.