RL-Based Delay Minimization for Computation Offloading in IRS- and RHS-Enhanced MEC Systems
Dieses Paper schlägt ein auf Deep Deterministic Policy Gradient (DDPG) basierendes Reinforcement-Learning-Framework vor, um die Phasenverschiebungen des IRS, die Antennenamplituden des RHS und die Offloading-Entscheidungen in einem durch IRS und RHS erweiterten Mobile-Edge-Computing-System gemeinsam zu optimieren und dadurch die gesamte Task-Ausführungsverzögerung im Vergleich zu herkömmlichen Ansätzen signifikant zu minimieren.