超越边缘：强化学习在移动边缘计算中的高级探索、应用与未来研究轨迹
网络与互联网体系结构
2024-04-23 v1 人工智能
摘要
移动边缘计算（MEC）拓展了计算和存储的范围，纳入靠近终端设备的边缘节点。这种扩展促进了在边缘网络中实现大规模“连接设备”的实现。需要实时、高质量服务的应用的出现带来了诸多挑战，如低延迟、高数据速率、可靠性、效率和安全性，均需予以解决。强化学习（RL）方法在 MEC 网络中的融合促进了对移动用户行为和网络动态的更深入理解，从而优化计算和通信过程中的资源使用。本文提供了 RL 在 MEC 网络中应用的详尽综述，首先从其基本原理到最新高级框架概述 RL。进一步，概述了在卸载、缓存和通信等 MEC 网络中所采用的各种 RL 策略。最后，探讨了与软件和硬件平台、表示、RL 鲁棒性、安全 RL、大规模调度、泛化、安全性和隐私相关的开放性问题。本文提出了具体的 RL 技术来缓解这些问题，并提供了其实际应用的见解。
引用
@article{arxiv.2404.14238,
title = {Beyond the Edge: An Advanced Exploration of Reinforcement Learning for Mobile Edge Computing, its Applications, and Future Research Trajectories},
author = {Ning Yang and Shuo Chen and Haijun Zhang and Randall Berry},
journal= {arXiv preprint arXiv:2404.14238},
year = {2024}
}
备注
The paper is accepted by IEEE Communications Surveys and Tutorials (COMST)