基于强化学习的在轨边缘计算任务卸载研究的任务书.docx

基于强化学习的在轨边缘计算任务卸载研究的任务书
一、选题背景
在轨卫星遥感数据处理越来越复杂，传输数据量也越来越大，卫星的计算能力相对有限，难以胜任大规模计算任务。因此，在轨边缘计算技术成为了航天领域研究的热点。在边缘计算技术中，任务卸载是其中一个关键技术。基于强化学习的任务卸载策略能够通过学习和完善自己的决策策略，提高在轨卫星的计算效率和数据传输效率。
二、选题目的
本研究的目的在于：
1.探究在轨卫星边缘计算任务卸载的方法和技术；
2.基于强化学习，确定合理的任务卸载决策策略；
3.通过实验验证任务卸载策略的有效性和性能。
三、研究内容
1.在轨边缘计算任务卸载的方法和技术
了解在轨边缘计算中任务卸载的概念、实现方法和技术手段，探究任务卸载策略的设计原则和方法，分析任务卸载过程中需要考虑的参数和限制条件，提出解决方案。
2.基于强化学习，确定合理的任务卸载决策策略
利用强化学习模型进行任务卸载策略的训练和学习，确定合理的决策策略。通过强化学习解决决策空间卡顿等问题，提高任务卸载效率和性能。
3.实验验证任务卸载策略的有效性和性能
使用实际数据和场景设计实验，对比不同的任务卸载策略，分析其效果和优劣。评估任务卸载策略的性能和实用性。
四、研究方法和技术
本研究主要采用以下方法和技术：
1.文献调研法：通过阅读相关文献和资料，了解在轨边缘计算任务卸载技术和强化学习算法等相关知识，深入研究任务卸载领域的现状和研究进展。
2.数据分析法：从在轨边缘计算任务卸载的角度出发，获取实际数据并进行分析，探究不同决策对任务卸载效果的影响。
3.强化学习算法：使用强化学习算法对任务卸载策略进行训练和学习，采用方案优化的方式，使任务卸载效率得到提高。
4.系统实验法：通过构建实际实验场景，对比不同任务卸载策略的效果，验证其实用性和性能。
五、预期成果
1.确定一种基于强化学习的在轨边缘计算任务卸载策略，提高任务卸载效率和性能；
2.通过实验验证卸载策略的有效性和可行性，取得实验结果和数据；
3.编写一篇在轨边缘计算任务卸载基于强化学习的研究成果；
4.提出相关建议和改进建议，为未来的在轨卫星遥感处理提供技术支撑。
六、进度安排
1.第1-2个月：阅读相关文献和资料，了解任务卸载领域的现状和研究进展。
2.第3-4个月：分析在轨边缘计算任务卸载的实现方法和技术手段，挖掘任务卸载过程中需要考虑的参数和限制条件，提出解决方案。
3.第5-6个月：使用强化学习算法训练任务卸载策略，确定合理的决策策略。
4.第7-8个月：构建实验场景，在实验平台上对任务卸载策略进行实验，收集实验数据。
5.第9-10个月：对实验数据进行分析，比较不同的任务卸载策略的效果，评估任务卸载策略的性能和实用性。
6.第11-12个月：完成论文撰写和整理论文材料，撰写论文提纲，完成论文初稿。
七、参考文献
1.刘文，杨康宁.边缘计算在卫星数据处理中的应用分析[J].技术创新导报，2020（06）：91-94.
2.谢光润，周涛.基于强化学习的任务卸载优化算法研究与实现[J].计算机系统应用，2021（04）：1-5.
3.NDinh,LLe,etal.Edgeassistedreinforcementlearningbasedwirelessnetworks:motivations,challenges,andresearchdirections[J].EURASIPJournalonWirelessCommunicationsandNetworking,2017,2017(1):236.
4.杨峰.车联网边缘计算任务卸载研究[J].计算机应用技术，2019（05）：1416-1419.