Work

Deep Reinforcement Learning-enabled computation offloading in the 5G edge-cloud continuum

Year: 2026
Type: dissertation
Abstract: Esta tesis propone una solución descentralizada donde se tomen decisiones de offloading directamente en los propiosdispositivos edge sin recurrir a la toma de decisiones por parte de un servidor centralizado. Se emplean técnicas deaprendizaje por refuerzo, de modo que los dispositivos sean capaces de tomar decisiones y mejorarlas con el tiempogracias a la interacción con su entorno, en lugar de basarse en conjuntos de datos que pueden estar obsoletos o nocapturar todas las circunstancias del entorno. Se analiza el rendimiento de esta toma de decisiones con base en unamétrica que considera el consumo energético y el cumplimiento de los requisitos de latencia de las tareas.Además, se realiza un estudio que considera entornos cambiantes y analiza diferentes distribuciones de tareas, demodo que se pueda apreciar cómo los algoritmos de aprendizaje implementados en los dispositivos edge son capacesde adaptarse a los cambios y tomar las decisiones óptimas en cada momento.Finalmente, se realiza una demostraciónexperimental en un entorno real, en lugar de basarse en simulaciones
Language: English
Open Access status: green
OpenAlex ID: W7165498714
Cites: 158
Cited by:
Related to: 10